论文研究一种基于ACO的Kmedoids聚类算法.pdf

K-medoids算法作为聚类算法的一种，不易受极端数据的影响，适应性广泛，但是K-medoids聚类算法的精确度不稳定，平均准确率较低，用于实际的聚类分析时效果较差。ACO是一种仿生优化算法，其具有很强的健壮性，容易与其他方法相结合，求解效率高等特点。在K-medoids聚类算法的基础上，借鉴ACO算法的优点，提出了一种新的聚类算法，它提高了聚类的准确率，算法的稳定性也比较高。通过仿真实验，验证了算法的可行性和先进性。