一种改进的K-means聚类算法

摘要

针对K-means聚类算法对初始聚类中心敏感,容易陷入局部最优解的问题,提出了一种基于天牛须搜索算法优化的K-means算法,利用天牛须搜索算法的全局搜索能力在聚类算法更新聚类中心时进行全局寻优。优化后的算法在五种公开数据集上进行对比实验,结果显示优化后的算法在聚类性能和准确率上均高于两种对比算法,为K-means聚类算法的优化提供了一个行之有效的方法。