一种基于改进差分进化的K-均值聚类算法研究

作者：王凤领; 梁海英; 张波

来源：计算机与数字工程, 2019, (05): 1042-1048.

• 差分进化
• K-means算法
• K-均值聚类算法 differential evolution
• K-means algorithm
• K-means clustering algorithm

针对K-均值算法的差异与缺点,对初始值敏感,易于落入局部最优解,差异进化算法具有强大的全局收敛能力和鲁棒性,但其收敛速度较慢。鉴于上述问题和缺陷,论文首先详细介绍了进化算法关键操作和差分进化算法的步骤和具体流程。然后,阐述了基于差分进化的K-均值聚类算法的描述,步骤和具体流程。最后,提出基于改进差分进化的K均值聚类算法,详细介绍改进方案,改进算法的步骤和具体流程。基于差分进化和改进算法的K均值聚类算法进行仿真实验,实验结果表明,该算法具有较好的搜索能力,算法收敛速度更快,鲁棒性更强。

• 单位
  贺州学院