论文部分内容阅读
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。