计算机科学 ›› 2008, Vol. 35 ›› Issue (6): 171-174.
• • 上一篇 下一篇
出版日期:
发布日期:
基金资助:
Online:
Published:
摘要： 针对传统K—means聚类算法对初始聚类中心的选择敏感，以及聚类数K难以确定的问题，提出一种基于并行遗传算法的K-means聚类方法。该方法采用一种新型的可变长染色体编码方案，随机选择样本点作为初始聚类中心形成染色体，然后结合K—means算法的高效性和并行遗传算法的全局优化能力，通过种群内的遗传、变异和种群间的并行进化、联姻，有效地避免了局部最优解的出现，同时得到了优化的聚类数目和聚类结果。实验表明该方法是一种精确高效的聚类方法。
关键词: 并行遗传算法 可变长染色体编码 K-means算法 聚类
Abstract: As K-means Clustering Algorithm is sensitive to the choice of the initial cluster centers and it＇s difficult to determine the cluster number, we propose a K-means Clustering Method Based on Parallel Genetic Algorithm. In the method, we adopt a new strateg
Key words: Parallel genetic algorithm, Variable-length chromosome encoding, K-means algorithm, Clustering
. 基于并行遗传算法的K-means聚类研究[J]. 计算机科学, 2008, 35(6): 171-174. https://doi.org/
0 / / 推荐
导出引用管理器 EndNote|Reference Manager|ProCite|BibTeX|RefWorks
链接本文: https://www.jsjkx.com/CN/
https://www.jsjkx.com/CN/Y2008/V35/I6/171
Cited
首页