论文部分内容阅读
针对k-means聚类算法效率底、优化不足等问题，提出了一种基于变异的迭代k-meaus算法（ik-means）。该算法从k-means算法（随机k-means算法）所产生的初始解向量中随机选取一定比例的位置，对其中的类标号进行随机变异并优化；再通过多次迭代获得了相应的优化解。实验表明在数据集相同、基本k—means算法调用次数相同的条件下，ik-means算法相对于k-means算法具有运行效率高、解更优化的特点。