论文部分内容阅读
针对K均值聚类算法存在的缺点，提出了一种基于自适应权重的粒子群优化（PSO）和K均值混合聚类算法．该算法在运行过程中通过引入非线性动态惯性权重系数，提高了混合聚类算法全局搜索能力和局部改良能力，并根据群体的适应度方差来确定K均值算法操作时机，增强算法局部搜索能力的同时缩短了收敛时间．将该算法与K均值聚类算法、基本PSO聚类算法和基于传统的粒子群K均值聚类算法进行比较，表明该算法不仅能有效地克服陷入局部最优，而且全局收敛能力和收敛速度都有所提高．