结合蝙蝠算法和紧密度改进的三支K-means算法

摘要

本文结合蝙蝠算法和紧密度改进三支K-means算法，利用黄金分割系数和种群平均位置优化蝙蝠算法，根据优化后的蝙蝠算法搜索初始聚类中心，提高三支K-means算法的稳定性。依据紧密度判断核心域和边界域的阈值，减少边界域样本数量，提高三支K-means算法的准确性。对比实验采用9个数据集与6种聚类算法，实验结果表明本文算法提升聚类性能，验证本文算法有效性和实用性。

关键词

K-means聚类 / 蝙蝠算法 / 紧密度 / K-means算法 / 三支决策

基金资助

江西省教育厅科技基金资助项目(GJJ211920); 国家自然科学基金资助项目(62566041)