论文部分内容阅读
针对缸中心点算法对初始化敏感和容易陷入局部极值的缺点，提出一种基于粒子群算法和密度初始化改进的K-中心点聚类算法。该算法初始化时选择距离较远的后个候选范围作为后个聚类中心的选择范围，即粒子的初始值都在该尼个范围内。通过粒子群算法优化聚类中心，以解决颤中心点算法因为聚类中心迭代计算较为复杂而导致的时间复杂度较高的问题。实验结果表明，该算法具有较高的正确率，较小的时间复杂度，综合性能更加稳定。