融合改进差分进化思想的K-调和均值聚类

作者：毛力; 刘兴阳; 沈明明; 杨弘

来源：计算机工程与应用, 2013, (04): 146-148+156.

• K-调和均值
• 差分进化
• Logistic混沌搜索
• 指数递增交叉概率 K-harmonic means
• differential evolution
• Logistic chaotic searching
• exponentially increasing crossover probability

针对K-调和均值聚类算法易陷入局部最优的缺点,提出了一种基于改进差分进化的K-调和均值聚类算法。该算法通过引入基于Logistic变尺度混沌搜索和指数递增交叉概率算子的差分进化算法来增强全局寻优能力。实验结果表明,该算法能够较好地克服K-调和均值算法的缺点,在保证收敛速度的同时增强了算法的全局搜索能力。

• 单位
  江南大学; 中国水产科学研究院淡水渔业研究中心