基于ACO－PSO自适应的划分聚类算法

来源：计算机技术与发展杂志2019年第02期北京时间：

作者：周文娟;赵礼峰

摘要：针对经典划分算法聚类数 K 先验未知及初始聚类中心随机选取，导致陷入局部最优的问题，提出一种基于 ACO－PSO 自适应的划分聚类算法。首先根据聚类算法类内相似度最大差异度最小和类间相似度最小差异度最大的基本原则，将个体轮廓系数作为最佳聚类数的检验函数，得到聚类算法的自适应 K 值;其次利用群智能搜索方法思想，有效结合了粒子群算法和蚁群算法的优点，先利用具有全局性和快速性的粒子群算法获得初始信息素分布，再利用具有正反馈性和并行性的蚁群算法得到精确解。最后在多个 UCI 数据集上的仿真结果表明，该算法不仅求解能力优于传统聚类算法及基于个体轮廓系数优化的初始聚类中心算法，而且聚类时间效率大大提高，应用于大数据收敛速度更加明显。

关键词：K－means;自适应;个体轮廓系数;ACO－PSO;鲁棒性