论文部分内容阅读
针对K—means易收敛于局部最优以及对初始值敏感和人工鱼群算法收敛速度快，对初始值不敏感及自组织行为的问题，提出一种K-means和人工鱼群算法融合的聚类方法。该算法先将标准人工鱼群算法用自适应策略加以改进，即在人工鱼群算法早期迭代中使用固定视野，随着迭代次数的增加，采用自适应减少的视野值。在此基础上将K—means算法融入到改进的人工鱼群算法中人工鱼中，随机产生的部分人工鱼在每次完成人工鱼群算法的迭代后，进行一次K-means算法的迭代。实验结果证明融合后的新算法明显地优于粒子群优化（PSO）、K—m