摘要
基于蚁群原型系统优化的k均值聚类算法研究
作者(年代):王鑫,许志,袁伟聚类分析是图像识别、信息检索、数据挖掘和空间数据库研究中的一种重要方法,其中K均值算法是一种基于分类方法的聚类算法,该算法思想是在N个物体上提供K个分类,每个分类代表一个聚类,通过比较每个聚类的计算均值和所有模式样本均值,得到一个最相似的聚类。不断重复这个过程,直到集群中的对象都是相似的,不同的clustersÂ′对象是不同的,而目标函数收敛让平方误差函数值为最小值。ACO(Ant Colony Optimization)是一种模拟蚁群搜索behaviorsÂ′的仿生优化计算,由于该算法在复杂优化problemsÂ′求解方面体现了突出的适用性,使其在机器人系统、图像处理、制造系统、车辆路线系统和通信系统等方面得到了很好的应用。因此,本文对K均值聚类算法进行了分析,得到了算法的不足,并利用ACO原型系统对K均值聚类算法进行了优化,阐述了算法的可行性和优越性。
分享这