基于改进粒子群算法的[k]均值聚类算法

来源：计算机工程与应用杂志2019年第18期北京时间：

作者：汤深伟，贾瑞玉

单位：安徽大学 计算机科学与技术学院，合肥 230601

摘要：针对[k]-means算法易受初始中心影响的缺点，提出了基于改进粒子群算法的[k]-means聚类算法[（k]-means cluster algorithm based on Improved PSO，IPK-means），在粒子群算法中加入混沌搜索过程，以增加PSO迭代后期粒子群的多样性，并且在粒子更新过程中，给出了一种动态调整因子公式，使得调整因子与该粒子的适应度值大小相关，即同一迭代中不同粒子也会拥有不同的调整因子。最后将改进的PSO算法应用于[k]-means聚类，为其寻找较好的初始中心，实验结果表明了该算法可取得较好的聚类结果。

关键词：粒子群优化,[k]均值聚类,混沌搜索,自适应调整因子