Release Time:2019-03-10  Hits:

Indexed by: Journal Article

Date of Publication: 2009-05-11

Journal: 计算机工程与应用

Included Journals: CSCD、ISTIC、PKU

Volume: 45

Issue: 14

Page Number: 49-52

ISSN: 1002-8331

Key Words: 聚类;K-means算法;启发式算法;骨架初始解

Abstract: K-means是典型的启发式聚类算法,容易受到初始解的影响而无法获得高质量的聚类结果.骨架是近年来启发式算法设计的研究热点,它是指所有全局最优解中相同的部分,对于提高启发式算法性能具有重要意义.给出的骨架初始解K-means算法(BK-means)的基本思想是:首先利用K-means算法得到一组局部最优解(聚类结果),通过对局部最优解求交得到骨架簇.利用骨架簇构造骨架初始解及新的搜索空间.最后以骨架初始解引导K-means算法在新的搜索空间中搜索聚类结果.在15组仿真数据集和4组实际数据集上的实验结果表明,BK-means算法具有获得高内聚、高分离的聚类结果能力.