一种K—均值聚类人工智能优化算法

摘要

本发明提供一种K—均值聚类人工智能优化算法，包括：S1、输入数据集、聚类数目和初始阈值；S2、确定初始聚类点；在数据集中取与聚类数目相等数量的点作为每个类的初始聚类中心；S3、针对所述数据集中的每个数据对象计算初始聚类点邻域的有效半径；S4、根据聚类中心，对所述数据集中的数据对象进行划分；对所述数据集中的数据对象寻找距离最近的类心，更新阈值，根据阈值判定所述数据对象属于第k类的下近似或边界区域；S5、更新每个类的均值；S6、重复执行S3—S5，直至迭代满足结束迭代条件或者达到设定迭代次数上限，则输出结果。本发明给出了一种K—均值聚类人工智能优化算法，实现了对多维数据的粗糙集聚类，具有更高的自适应性和稳定性。