论文研究自适应K值的粒子群聚类算法.pdf

传统K-means算法除了对初始聚类中心的选择非常敏感，易收敛到局部最优解外，还存在着K值难以确定的问题，不合适的K值往往会得到较差的聚类结果。而K值问题也是聚类分析中的一个重要的研究方向，在粒子群聚类算法的基础上，结合K-means算法，提出了自适应K值的粒子群聚类算法。当算法收敛时，可通过比较不同K值时全局最优适应度值之间的关系来决定K值的增大与减小。实验表明改进的算法可以有效指导K值的选取，并且具有较好的聚类效果。