论文部分内容阅读
传统的k-均值算法对初始聚类中心的敏感很大，极易陷入局部最优值；利用遗传算法或免疫规划算法解决初始聚类中心是较好的方法，但后期容易出现收敛速度缓慢。为了克服上述缺点，文章将免疫原理的选择操作机制引入遗传算法中，使个体浓度和适应度同时对个体的选择施加影响，以此提出基于改进遗传算法的K-均值聚类算法，该方法利用K-均值算法的高效性和改进遗传算法的全局优化搜索能力，较好地解决了聚类中心优化问题。试验结果表明，本算法能够有效改善聚类质量，并且具有较好的收敛速度。