典型文献
基于狮群优化的改进K-Means聚类算法研究
文献摘要：
针对K-Means聚类算法对初始聚类中心选择依赖性强的问题,利用狮群优化算法的快速收敛性及易于获取全局最优解的优势,提出了一种基于狮群优化的改进K-Means聚类算法.通过狮群优化算法对狮王不断迭代更新,优化狮王位置,将算法停止执行时的狮王最优解作为聚类中心,替代传统算法经过随机初始化得到具有不确定因素的聚类中心.选择UCI数据集进行验证,实验结果表明,改进算法的聚类效果较好,有效降低了K-Means对初始聚类中心的依赖.将改进的K-Means聚类算法应用于点云精简过程,获得了较好的点云精简效果.
文献关键词：
聚类分析;K-Means聚类算法;狮群优化算法;聚类中心;点云精简
中图分类号：
作者姓名：
胡啸;王玲燕;张浩宇;常宇超;王银
作者机构：
太原科技大学先进控制与装备智能化山西省重点实验室,山西太原030024
文献出处：
引用格式：
[1]胡啸;王玲燕;张浩宇;常宇超;王银-.基于狮群优化的改进K-Means聚类算法研究)[J].控制工程,2022(11):1996-2002
A类：
B类：
Means,聚类算法,算法研究,初始聚类中心,狮群优化算法,快速收敛,收敛性,全局最优解,狮王,迭代更新,王位,解作,传统算法,法经,初始化,不确定因素,UCI,改进算法,算法应用,点云精简
AB值：
0.289269
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。
