多种群协同进化的K-means聚类算法  

Cooperative Evolutionary K-means Clustering Algorithm With Multi-populations

作　　者：曲建华[1] 邵增珍[2] 

机构地区：[1]山东师范大学管理与经济学院,山东济南250014 [2]山东师范大学信息科学与工程学院,山东济南250014

出　　处：《南京师大学报（自然科学版）》2010年第3期122-126,共5页Journal of Nanjing Normal University(Natural Science Edition)

基　　金：山东省科技攻关计划项目(2009GG10001008);山东省软科学研究计划项目(2009RKA285);济南市高校院所自主创新项目(200906001)

摘　　要：针对K均值聚类算法易陷入局部最小的缺点,提出了一种多种群协同进化的微粒群和K均值混合聚类算法,它将整个种群分解为多个子种群,各子种群独立进化,周期性地更新共享信息.同时将此算法与现有的基于遗传算法的K均值聚类算法进行了比较.实验结果证明,该算法能有效地克服传统的K均值算法易陷入局部极小值的缺点,同时全局收敛能力优于基于遗传算法的K均值聚类算法.This paper presents an mixed clustering algorithm based on cooperative evolution with multi-populations.It adopts cooperative evolutionary strategy with multi-populations to change the mode of traditional searching optimum solutions.The whole clustering process is divided into two stages.The first stage uses the cooperative evolutionary PSO algorithm to search the initial clustering centers.The second stage uses the K-means algorithm.The experiment proved that this method was able to extract the correct number of clusters with good clustering quality compared to the results obtained from other clustering algorithms like K-means and PSO clustering algorithm.

关 键 词：多种群 微粒群算法 K均值算法 协同进化 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]