基于改進(jìn)粒子群的K均值聚類算法研究.pdf

1、聚類分析作為信息處理技術(shù)領(lǐng)域中的重要組成部分，已經(jīng)廣泛應(yīng)用于模式識(shí)別、圖像處理、數(shù)據(jù)分析等許多領(lǐng)域。K均值聚類算法是聚類分析中常用的—種聚類算法，該算法原理簡單、容易實(shí)現(xiàn)，但易于陷入局部最優(yōu)點(diǎn)且對(duì)初始中心比較敏感。為克服該缺點(diǎn)，本文對(duì)粒子群作了改進(jìn)，并提出了兩種改進(jìn)的聚類算法:
　　(1)為解決傳統(tǒng)K均值算法對(duì)初始化敏感的問題，本文提出了基于波動(dòng)控制的改進(jìn)粒子群和K均值的混合聚類算法。該算法首先采用K均值將粒子群進(jìn)行分類，形成多個(gè)

2、聚類域;然后選擇最優(yōu)的聚類域用于生成疫苗，并在粒子更新過程中采用疫苗接種機(jī)制和免疫選擇機(jī)制提高粒子的多樣性。當(dāng)粒子群的波動(dòng)幅度小于設(shè)置的閥值時(shí)，采用K均值聚類算法提高算法的收斂精度。仿真實(shí)驗(yàn)表明，和其他算法相比，該算法的正確率更高。
　　(2)為解決K均值算法極易陷入局部最優(yōu)的缺陷，本文提出了基于擾動(dòng)策略的免疫粒子群聚類算法。當(dāng)個(gè)體極值和全局極值連續(xù)停滯代數(shù)超過所設(shè)置的閥值時(shí)，算法通過引入擾動(dòng)算子改變粒子群的運(yùn)動(dòng)方向，提高粒子的遍