如需要完整文档点击下方 "点击下载文档" 按钮
K-Means 算法是一种经典的基于划分的聚类方法。传统的 K-Means 算法中存在很明显的缺陷,它对初始聚类中心的依赖性很大,聚类结果很容易陷入局部最优值;而基于遗传算法改进的 K-Means 聚类方法,提高了聚类结果的稳定性,但因为个体的多样性不足,常常会出现早熟等现象,其局部寻优能力较弱。 针对上述问题,文中提出一种结合模拟退火算法的遗传 K-Means 聚类方法。 利用模拟退火算法改进遗传算法的变异操作,用 K-Means 操作取代遗传算法的交叉操作,改善早熟现象,避免聚类结果陷入局部最优,实现聚类方法性能的提升。 实验结果表明,该方法的聚类准确度比一般 K-Means 方法和遗传 K-Means 方法都要高。
如需要完整文档点击下方 "点击下载文档" 按钮
《结合模拟退火算法的遗传 K-Means 聚类方法》
将 完整文档 下载到本地,方便收藏和查阅
文件号:062260
点击下载文档