一种改进的遗传k-means聚类算法

一种改进的遗传k-means聚类算法

在经典的k-means聚类算法中,聚类数k必须事先给定,然而在现实中k很难被精确的确定.本文提出了一种改进的遗传k-means聚类算法,并构造了一个用来评价分类程度好坏的适应度函数,该适应度函数考虑的是在提高紧凑度(类内距)和分离度(类间距)的同时使得分类个数尽可能少.最后采用两个人工数据集和三个UCI数据集对k-means聚类算法(KM),遗传聚类算法(GA),遗传k-means聚类算法(GKM)和改进的遗传k-means聚类算法(IGKM)进行比较研究,比较的指标有类间距、类内距和分类正确率.研究证明改进的遗传k-means算法能够自动获取最佳聚类数k并且保持较高的正确率.

作 者： 刘婷 郭海湘 诸克军 高思维 LIU Ting GUO Hai-xiang ZHU Ke-jun GAO Si-wei   作者单位： 中国地质大学,管理学院,湖北,武汉,430074  刊 名： 数学的实践与认识  ISTIC PKU 英文刊名： MATHEMATICS IN PRACTICE AND THEORY  年，卷(期)： 2007 37(8)  分类号： O1  关键词： 聚类   k-means算法   遗传算法  

【一种改进的遗传k-means聚类算法】相关文章：

基于改进C-均值聚类算法的空中目标分类04-27

改进进化方向的遗传算法与结构遗传设计04-28

一种改进的自适应遗传算法在影像匹配中的应用04-29

改进模糊聚类算法及其在人力资源管理中的应用04-26

一种基于平均相对偏差的聚类算法04-28

基于改进遗传算法的车辆路径优化研究04-29

基于改进遗传算法的新产品投入计划04-30

改进的遗传算法在飞行冲突解脱中的应用04-30

改进遗传算法及其在聚类分析上的应用04-28

改进遗传算法在桁架结构优化设计中的应用04-26