基于ＱＰＳＯ的數據聚類

摘 要：在K—Means聚類、PSO聚類、K-Means和PSO混合聚類(KPSO)的基礎上，研究了基于量子行為的微粒群優化算法(QPSO)的數據聚類方法，并提出利用K—Means聚類的結果重新初始化粒子群，結合QPSO的聚類算法，即KQPSO。介紹了如何利用上述算法找到用戶指定的聚類個數的聚類中心。聚類過程都是根據數據之間的Euclidean(歐幾里得)距離。K—Means算法、PSO算法和QPSO算法的不同在于聚類中心向量的“進化”上。最后使用三個數據集比較了上面提到的五種聚類方法的性能，結果顯示基于QPSO算法的數據聚類性能比一般PSO算法更好。

關鍵詞：聚類；K-Means；PSO；QPSO；聚類中心

中圖法分類號：TP391

文獻標識碼：A

文章編號：1001—3695(2006)12—0040—03