论文部分内容阅读
传统的k-means算法是一种局部搜索算法，对初始化敏感，容易陷入局部极值。针对此缺点，提出一种基于k-means算法的改进的蚁群聚类算法，选择相距最远的处于高密度区域的k个数据对象作为初始聚类中心，把正反馈、精英机制和变异算子引入到蚁群聚类。实验结果证明，算法不仅对初始数据具有弱依赖性，而且能够提高聚类的准确率，加快收敛。