【出 处】：《 计算机仿真 》 CSCD 2015年第32卷第12期 214-217页,共5页

【作 者】： 蒋君 [1] ; 徐蔚鸿 [1] ; 潘楚 [1,2]

【摘 要】 针对传统K—medoids聚类算法对初始中心点敏感，容易陷入局部极值，聚类准确率较低等缺点，提出一种新的改进算法。新算法首先利用粒计算进行初始化，避免传统算法对初始化敏感；在初始化达到准平衡的基础下，借用模拟退火全局搜索性能进行中心点的搜索更新，避免局部极值，同时整合簇内距离和簇间距离优化准则函数，提高聚类准确率。实验结果表明，改进算法在UCI多个标准数据集中测试，获取了有效的初始中心，提升了聚类质量。