论文部分内容阅读
针对传统的K-均值聚类算法存在对初始聚类中心点选择敏感、全局搜索能力差和易陷入局部最优等缺点,论文引进一种基于种群的启发式全局优化算法——差分进化算法,并将改进后的差分进化算法和K-均值聚类算法相结合.实验结果表明,该算法较好地解决了K-均值聚类算法初始中心的优化问题,防止算法陷入局部最优解,有较好的搜索能力,有效提高了聚类质量和收敛速度.