计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (16): 116-120.DOI: 10.3778/j.issn.1002-8331.1603-0122
白树仁1,2,陈 龙2
BAI Shuren1,2, CHEN Long2
摘要: 传统K-means算法除了对初始聚类中心的选择非常敏感,易收敛到局部最优解外,还存在着K值难以确定的问题,不合适的K值往往会得到较差的聚类结果。而K值问题也是聚类分析中的一个重要的研究方向,在粒子群聚类算法的基础上,结合K-means算法,提出了自适应K值的粒子群聚类算法。当算法收敛时,可通过比较不同K值时全局最优适应度值之间的关系来决定K值的增大与减小。实验表明改进的算法可以有效指导K值的选取,并且具有较好的聚类效果。