基于启发式交叉策略优化的K-Means聚类算法

来源：吉林大学学报·理学版杂志2025年第6期北京时间：

作者：张立娜, 张兴瑞, 马丽, 于合龙, 宋欣怡

单位：1. 吉林农业大学 信息技术学院, 长春 130118; 2. 无锡学院 物联网工程学院, 江苏 无锡 214105

摘要：针对传统K-Means算法对初始质心敏感、 易陷入局部最优以及未能充分挖掘聚类结果潜在语义特征的问题, 提出一种基于启发式交叉策略优化的K-Means聚类算法. 首先, 该算法通过密度驱动的启发式交叉初始化策略, 筛选高密度区域的代表性父代点, 并引入交叉系数动态生成多样性初始质心, 以降低随机初始化导致的聚类结果波动性； 其次, 在聚类迭代过程中, 结合父代点信息与簇内均值更新规则, 通过交叉操作动态调整质心位置, 解决了传统算法因局部最优导致的簇间重叠问题； 最后, 将优化后的聚类结果输入多层感知机,利用其非线性映射能力挖掘潜在特征, 实现了聚类结果与深层语义特征的深度融合. 实验结果表明, 该算法的轮廓系数、 Davies-Bouldin指数和调整Rand指数分别达0.634,1.398,0.621, 显著优于其他改进算法, 有效提升了算法的聚类准确性、 稳定性和可解释性.

关键词：启发式交叉策略,K-Means聚类算法,多层感知机,特征融合