典型文献
基于混沌剑鱼算法的K_means算法
文献摘要：
传统K-means聚类算法容易受到初始聚类中心影响,从而导致聚类准确度较差的问题,本文利用剑鱼优化算法全局搜索能力强、收敛速度快的优势,提出一种基于改进剑鱼算法的K-means聚类算法.为增强剑鱼优化算法全局搜索能力,采用Tent混沌序列初始化种群,利用Tent混沌序列遍历性、随机性和规律性提高初始解的质量;为了提升算法搜索的精度,引人高斯变异,以此增强算法局部搜索能力;为了促使算法在跳出限制后继续搜索,在搜索停滞的解的基础上生成Tent混沌序列,用Tent混沌序列对部分陷入局部最优的个体进行扰动.最后,在9个标准测试函数上进行仿真实验,验证了所提算法的优越性;通过与传统K_means聚类算法在UCI数据集上聚类结果的对比,证明所提出的聚类算法具有更好的聚类性能,可以有效降低初始聚类中心对K-means算法的影响.
文献关键词：
K_means聚类算法;剑鱼算法;Tent混沌;高斯变异;聚类中心
中图分类号：
作者姓名：
唐辉;刘晓波;韩祥民;邱知;徐邦贤
作者机构：
贵州大学电气工程学院,贵阳520025
文献出处：
引用格式：
[1]唐辉;刘晓波;韩祥民;邱知;徐邦贤-.基于混沌剑鱼算法的K_means算法)[J].智能计算机与应用,2022(01):69-73,79
A类：
剑鱼算法
B类：
means,聚类算法,初始聚类中心,全局搜索,搜索能力,收敛速度,Tent,混沌序列,初始化,遍历性,随机性,初始解,高斯变异,增强算法,局部搜索,跳出,后继,停滞,上生,局部最优,标准测试函数,UCI
AB值：
0.226203
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
