点击量 ：

第一作者 ： 叶安新

发表时间 ： 2012-01-01

发表刊物 ： 计算机工程与应用

所属单位 ： 数理与信息工程学院

文献类型 ： 期刊

期号 ： 第32期

页面范围 ： 52-55，97

ISSN ： 1002-8331

关键字 ： 量子；粒子群优化(PSO)；聚类；K-均值

摘要 ： 针对K-均值聚类方法受初始聚类中心影响,容易陷入局部最优解的问题,提出一种基于量子粒子群算法的聚类方法,该方法引入了动态调整量子门旋转角和量子变异操作,采用改进的变异算子,使粒子群体保持品种的多样性和优良性,避免陷入局部最优,同时结合粒子群优化算法,增加粒子群的全局搜索能力。仿真实验表明该方法在全局寻优能力和收敛效率上都有所提高。

是否译文 ： 否