论文研究-自适应调整的布谷鸟搜索K-均值聚类算法.pdf

针对布谷鸟搜索（CS）算法后期收敛速度慢，传统K-均值算法对初始簇中心选择比较敏感，提出了一种自适应调整的布谷鸟搜索及优化初始K-均值聚类算法（CSSA-OIKM）。首先，由集群度与距离均衡优化选择初始簇中心；其次，融合粒子群算法思想，遵循自适应优化学习策略以均衡CS算法全局与局部精细搜索能力；最后，在改进CS算法的基础上引入自适应度调节步长因子与动态变化发现概率，增强算法收敛性能。通过对经典数据集的仿真实验分析，相比K-均值算法、PSO-K-均值算法及CS-K-均值算法来说，提出的CSSA-OIKM算法能有效提高聚类精确性，且算法稳定性好。