一种采用粒子群优化的聚类算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (10): 29-33.

一种采用粒子群优化的聚类算法

邱新建1，3，薛凤凤2，山拜·达拉拜1，廖畅1

1.新疆大学信息科学与工程学院，智能信号处理实验室，乌鲁木齐 830046
2.空军工程大学电讯工程学院，西安 710077
3.中国人民解放军68203部队

出版日期:2012-04-01 发布日期:2012-04-11

A kind of clustering algorithm applying particle swarm

QIU Xinjian1，3, XUE Fengfeng2, Senbai Dalabaev1, LIAO Chang1

1.College of Information Science and Engineering, Xinjiang University, Urumqi 830046, China
2.Telecommunications Engineering Institute, Air Force Engineering University, Xi’an 710077, China
3.Unit 68203 of PLA, China

Online:2012-04-01 Published:2012-04-11

摘要/Abstract

摘要： 针对传统的聚类算法存在对初始化值敏感和容易陷入局部极值等缺点，提出一种确定聚类中心数目和位置的方法。用每一个粒子表示一组聚类中心，采用云理论改造粒子群算法，从而提高粒子群算法的性能，以便搜索到更合理的聚类中心完成聚类划分。实验结果表明该算法很好克服了这两个缺点，获得了稳定性好和更紧凑的聚类效果。

关键词: 聚类算法, 粒子群, 模糊C均值

Abstract: The traditional clustering algorithms have many shortcomings, such as sensitive to initial value and vulner-
able to local minima. The method to determine the number and location of cluster center is proposed. Cloud theory is used to transform particle swarm optimization to improve the performance of PSO. This methed can search more reasonable clustering center. Experimental results show that the algorithm has solved these two drawbacks and obtained a good stability and a better clustering result.

Key words: clustering algorithm, particle swarm, fuzzy c-means

邱新建1，3，薛凤凤2，山拜·达拉拜1，廖畅1. 一种采用粒子群优化的聚类算法[J]. 计算机工程与应用, 2012, 48(10): 29-33.

QIU Xinjian1，3, XUE Fengfeng2, Senbai Dalabaev1, LIAO Chang1. A kind of clustering algorithm applying particle swarm[J]. Computer Engineering and Applications, 2012, 48(10): 29-33.

[1]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[2]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[3]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[4]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[5]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[6]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[7]	王俊玲，卢新明. 基于语义相关的视频关键帧提取算法[J]. 计算机工程与应用, 2021, 57(4): 192-198.
[8]	王芙银，张德生，张晓. 结合鲸鱼优化算法的自适应密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(3): 94-102.
[9]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[10]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[11]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[12]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[13]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[14]	丁松阳，田青云. Ball-Tree优化的密度峰值聚类算法[J]. 计算机工程与应用, 2021, 57(20): 90-96.
[15]	梁田，曹德欣. 基于莱维飞行的改进简化粒子群算法[J]. 计算机工程与应用, 2021, 57(20): 188-196.