论文部分内容阅读
针对现如今传统的K—Means聚类算法所普遍存在的对初始聚类中心选择敏感且易陷入局部最优解的问题，文中将全局寻优能力较强的差分进化算法引入该算法中，其中通过采用选择结构的多模式进化方案、自适应调整的控制参数，从而提出了一种性能优良的改进的差分进化算法。同时进一步将改进的差分进化算法和K—Means聚类算法相结合，得以较好地解决了K—Means聚类算法中初始聚类中心的优化问题。通过在三种国际通用数据集上进行实验测试，最终的实验结果表明，该方法可以明显加快算法收敛速度，增强全局优化能力，并且有效提高了聚类结果