一種改進的遺傳k-means聚類算法

在經典的k-means聚類算法中,聚類數k必須事先給定,然而在現實中k很難被精確的確定.本文提出了一種改進的遺傳k-means聚類算法,并構造了一個用來評價分類程度好壞的適應度函數,該適應度函數考慮的是在提高緊湊度(類內距)和分離度(類間距)的同時使得分類個數盡可能少.最后采用兩個人工數據集和三個UCI數據集對k-means聚類算法(KM),遺傳聚類算法(GA),遺傳k-means聚類算法(GKM)和改進的遺傳k-means聚類算法(IGKM)進行比較研究,比較的指標有類間距、類內距和分類正確率.研究證明改進的遺傳k-means算法能夠自動獲取最佳聚類數k并且保持較高的正確率.

作 者： 劉婷 郭海湘 諸克軍 高思維 LIU Ting GUO Hai-xiang ZHU Ke-jun GAO Si-wei   作者單位： 中國地質大學,管理學院,湖北,武漢,430074  刊 名： 數學的實踐與認識  ISTIC PKU 英文刊名： MATHEMATICS IN PRACTICE AND THEORY  年，卷(期)： 2007 37(8)  分類號： O1  關鍵詞： 聚類   k-means算法   遺傳算法  

【一種改進的遺傳k-means聚類算法】相關文章：

基于改進C-均值聚類算法的空中目標分類04-27

改進進化方向的遺傳算法與結構遺傳設計04-28

一種改進的自適應遺傳算法在影像匹配中的應用04-29

改進模糊聚類算法及其在人力資源管理中的應用04-26

一種基于平均相對偏差的聚類算法04-28

基于改進遺傳算法的車輛路徑優化研究04-29

基于改進遺傳算法的新產品投入計劃04-30

改進的遺傳算法在飛行沖突解脫中的應用04-30

改進遺傳算法及其在聚類分析上的應用04-28

改進遺傳算法在桁架結構優化設計中的應用04-26