量子粒子群优化改进的模糊C均值聚类算法

针对模糊C-均值(FCM)聚类算法对初始聚类中心选择敏感,易陷入局部最优的问题,提出一种量子粒子群优化改进的模糊C均值聚类算法。该算法引入的基于新距离标准的量子粒子群(AQPSO)算法不仅可以降低初始点敏感度,较快地收敛到最优解,而且能够提高全局搜索能力。仿真实验证明,该融合算法在摆脱局部最优区域,保证收敛速度同时使得聚类效果较好。

基于改进的K-means算法在高校学生消费数据中的应用

校园一卡通系统作为数字化校园建设的重要组成部分,集多种功能为一体,并代替传统的消费管理模式,能更好处理噪声和孤立点。文章采用新距离标准的K-均值算法对学生三餐消费、商铺营业等情况进行聚类分析,并将结果应用于校内贫困生的评定工作及经营单位的产品、服务定位。