【出 处】：《 计算机仿真 》 CSCD 2014年第31卷第9期 314-318页,共5页

【作 者】： 路浩 ; 倪世宏 ; 查翔 ; 张鹏

【摘 要】 粒子群优化（PSO）的K-Medoids进化聚类算法中初始种群是随机产生的,导致选择的初始中心点有可能位于同一类簇中。为提高聚类准确性,提出一种采用递减概率化初始点选择的PSO与K-Medoids结合新算法。根据样本的分布密度设置对应的选择概率,并由轮盘赌策略依次选择中心点,使获得的中心点位于密度较高区域且在不同的簇中,同时又实现了初始种群的多样性。在人工和UCI真实数据集上的实验结果表明,改进后的算法有更快的收敛速度,提高了聚类准确率和稳定性。