文件名称：论文研究-基于改进的简化粒子群聚类算法.pdf
文件大小：777KB
文件格式：PDF
更新时间：2022-08-11 17:00:54
简化粒子群算法,粒密度,最大距离积法,随机分布,极值扰动算子,K-means算法
针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点，提出一种基于粒密度和最大距离积法的简化粒子群聚类算法。通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置，使粒子群算法能够快速收敛于全局最优。再把改进后的粒子群算法与K-means算法相结合，解决K-means算法因随机初始聚类中心而导致聚类效果差、不稳定等问题。通过实验分析，该算法的聚类结果准确率更高、收敛速度更快、稳定性更强。