论文部分内容阅读
针对传统K-medoids聚类算法初始聚类中心选择较敏感、聚类效率和精度较低、全局搜索能力较差以及传统蜂群算法初始蜂群和搜索步长随机选取等缺点，提出了一种基于粒子和最大最小距离法初始化蜂群和随着迭代次数增加动态调整搜索步长的人工蜂群算法，将改进的人工蜂群进一步优化K-medoids，以提高聚类算法的性能。实验结果表明：该算法降低了对噪声的敏感程度，具有较高的效率和准确率，较强的稳定性。