基于改进GWO-CV优化的K-调和均值聚类算法

作者：张文宇; 张茜; 杨媛; 刘嘉

来源：统计与决策, 2020, 36(16): 9-13.

DOI：10.13546/j.cnki.tjyjc.2020.16.002

• K-调和均值聚类
• 灰狼优化算法(GWO)
• 交叉验证法(CV)
• 全局搜索能力

为克服传统聚类算法对初始聚类中心敏感且容易陷入局部最优的问题,文章提出一种基于改进的灰狼优化与交叉验证法结合的K-调和均值聚类算法(GWO-CVKHM)。首先将新的非线性收敛因子引入灰狼优化算法,以调整前期广度搜索与后期深度搜索比例,同时基于模糊控制权重决策对灰狼种群位置进行更新;其次利用改进灰狼优化算法与交叉验证的思想对初始聚类中心进行寻优;最后基于改进后的聚类算法选取UCI数据库中真实数据集进行聚类。实验结果表明,该算法在求解精度及算法稳定性方面优于对比算法,具有更快的收敛速度与更强的全局搜索能力。

• 单位
  中国航天系统科学与工程研究院; 西安邮电大学