基于差分演化的K-均值聚类算法  

Cluster Analysis Based on Differential Evolution Algorithm

作　　者：苏清华[1,2] 胡中波[1] 

机构地区：[1]孝感学院数学系,孝感432000 [2]华中科技大学数学系,武汉430074

出　　处：《武汉理工大学学报》2010年第1期187-191,共5页Journal of Wuhan University of Technology

基　　金：国家自然科学基金(60572015);国家973重大基础研究专项项目(2004CCA02500);武汉市科技攻关项目(200770834318)资助;湖北省教育厅优秀中青年人才项目(Q200726003)

摘　　要：针对K-均值聚类算法对初始值敏感和易陷入局部最优的缺点,提出了一类新的聚类算法——基于差分演化的K-均值聚类算法,进而提出了基于自适应差分演化的K-均值聚类算法,并将新算法与传统的K-均值聚类算法和最近提出的几个同类聚类算法进行比较。实验结果表明,该类算法能比较有效地克服传统的K-均值聚类算法的缺点,算法具有较好的全局收敛能力,稳定性强、收敛速度快,且比较研究表明该类算法具有一定的竞争力。After analyzing the disadvantage of the classical K-means clustering,we propose a novel K-means cluster analysis algorithm based on differential evolution algorithm and a K-means cluster analysis algorithm based on self-adaptive differential evolution algorithm to improve the classical K-means algorithm.Numerical experiment results show that the new algorithms can overcome the faults of the classical K-means algorithm,and converge quickly.Comparative research exposes the two proposed algorithms as competitive algorithms for clustering.

关 键 词：聚类分析 差分演化算法 K-均值聚类算法 

分 类 号：TP301[自动化与计算机技术—计算机系统结构] O213[自动化与计算机技术—计算机科学与技术]