传统K-均值算法的初始聚类中心从数据集中随机产生,容易陷入局部最优解。提出了一种改进量子遗传聚类方法,用量子比特构成染色体,用实数对量子比特进行编码,用量子旋转门进行染色体更新,用量子Hadamard门进行染色体变异,结合了目标函数的梯度信息,对旋转门的旋转角进行动态调整。每条基因代表一个优化解,在染色体数目相同时,可使搜索空间加倍。实验结果表明,提出的方法在稳定性和分类准确率上都有所提高。
科研之友
微信
新浪微博
Facebook
分享链接
