典型文献
基于改进量子粒子群的K-means聚类算法及其应用
文献摘要：
针对传统K-means聚类算法受初始类中心影响导致聚类准确度较低的问题,利用量子粒子群优化算法全局搜索能力强、收敛速度快的优势,提出一种基于改进量子粒子群的K-means聚类算法.为防止量子粒子群优化算法陷入局部极值,采用具有高斯扰动的局部吸引子以提高种群跳出局部最优的能力;为提高算法的收敛速度,采用加权更新种群平均最优位置以充分发挥精英粒子的优势;通过对收缩-扩张因子和随机变量参数进行交叉实验,选出最佳参数组合策略.在标准测试函数上的仿真结果表明:改进的量子粒子群优化算法在寻优精度、收敛速度以及稳定性上都有显著提高;通过对比7种聚类算法在UCI数据集上的聚类结果可知,所提出的聚类算法具有更好的聚类性能,可以有效降低K-means对初始聚类中心的依赖.最后,将该方法应用于我国鲜食葡萄市场客户分类中,以验证该方法的有效性和实用性.通过实证分析可知,基于改进量子粒子群的K-means聚类算法结构简单、精度高,具有一定的推广性.
文献关键词：
K-means聚类算法;量子粒子群优化算法;聚类中心;聚类分析;客户分类;鲜食葡萄
中图分类号：
作者姓名：
李玥;穆维松;褚晓泉;傅泽田
作者机构：
中国农业大学信息与电气工程学院,北京100083;中国农业大学食品与安全北京实验室,北京100083;中国农业大学工学院,北京100083
文献出处：
引用格式：
[1]李玥;穆维松;褚晓泉;傅泽田-.基于改进量子粒子群的K-means聚类算法及其应用)[J].控制与决策,2022(04):839-850
A类：
B类：
means,聚类算法,响导,量子粒子群优化算法,全局搜索,搜索能力,收敛速度,局部极值,高斯扰动,吸引子,跳出局部,局部最优,新种,最优位置,精英粒子,随机变量,交叉实验,最佳参数,数组,组合策略,标准测试函数,寻优精度,UCI,初始聚类中心,鲜食葡萄,客户分类,算法结构,结构简单,推广性
AB值：
0.246686
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。
