论文研究-一种基于差分演化的K-medoids聚类算法.pdf下载

针对传统的K-medoids聚类算法具有对初始聚类中心敏感、全局搜索能力差、易陷入局部最优、收敛速度缓慢等缺点, 提出一种基于差分演化的K-medoids聚类算法。差分演化是一类基于种群的启发式全局搜索技术, 有很强的鲁棒性。将差分演化的全局优化能力用于K-medoids聚类算法, 有效地克服了K-medoids聚类算法的缺点, 缩短了收敛时间, 改善了聚类质量。通过仿真验证了此算法的稳定性和鲁棒性。