基于多指标投票的粒子群聚类优化算法

摘要

针对不同的数据特点,已有多种用于算法优化的聚类评价指标被提出。大量数据测试发现,仅使用单一评价指标无法可靠地体现数据的聚类划分优劣,传统的单一指标聚类优化算法在聚类准确度上还有待提高。一种新型的多指标投票评价策略被提出,并应用于粒子群聚类优化算法中。多指标投票评价的设计思路是依靠过半数的评价指标对解的优劣进行判定,从而避免单一指标的错误评价影响优化算法中的群体更新。经多份数据测试,与单指标评价的聚类算法进行对比,多指标评价粒子群聚类优化算法获得更优的聚类结果。