智能单粒子优化算法在聚类分析中的应用

针对K-均值聚类算法存在的缺陷,将改进的粒子群优化算法———智能单粒子优化算法(ISPO)应用到聚类分析当中来,提出一种混合聚类算法ISPO+K-means.该算法分为两个阶段:第一阶段利用ISPO算法较强的全局寻优能力形成初始聚类,第二阶段将初始聚类结果通过K-means算法形成最终聚类结果输出.与K-均值聚类算法和基于传统粒子群K-均值混合算法进行比较,在低维、高维和多样本高维三种特征数据集上实验,结果表明提出的算法能够有效克服其它算法易陷入局部最优的问题,并且验证了算法在对多样本高维数据集处理上具有较明显优势.