论文部分内容阅读
针对传统K—medoids聚类算法对初始中心点敏感，容易陷入局部极值，聚类准确率较低等缺点，提出一种新的改进算法。新算法首先利用粒计算进行初始化，避免传统算法对初始化敏感；在初始化达到准平衡的基础下，借用模拟退火全局搜索性能进行中心点的搜索更新，避免局部极值，同时整合簇内距离和簇间距离优化准则函数，提高聚类准确率。实验结果表明，改进算法在UCI多个标准数据集中测试，获取了有效的初始中心，提升了聚类质量。