基于粒计算和模拟退火的K-medoids聚类算法

摘要

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.