基于人工蜂群优化的K均值聚类算法
来源：计算机测量与控制杂志2018年第4期北京时间：
作者：廖伍代,朱范炳,王海泉,孙雪凯
单位：中原工学院
摘要：为了改善K均值聚类算法对初始聚类中心敏感和易于陷入局部最优的不足，提出人工蜂群算法和K均值聚类算法相结合的想法，即基于人工蜂群优化的K均值聚类算法。通过全局寻优能力强的人工蜂群算法初始化K均值的聚类中心并优化聚类中心的位置，从而帮助K均值跳出局部极值，优化聚类效果。将混合聚类算法用Iris、Red Wine和New Red Wine数据集做聚类测试，结果表明该算法既克服了原始K均值聚类算法容易受初始聚类中心影响和不稳定的缺点，又具有良好的性能和聚类效果。
关键词：聚类分析、K均值算法、人工蜂群算法、聚类中心、优化
