摘要：【目的】聚类是数据分析和数据挖掘技术中最重要的概念，其中，々-均值聚类算法是最常用的方法之一。然而，k-均值聚类算法高度依赖于初值，容易陷人局部最优解。为了克服均值聚类算法存在的不足，【方法】本研究提出一种利用多元宇宙算法（MVO)解决聚类分析问题的新算法，并进行一些数据集测试实验。【结果】数值模拟实验表明多元宇宙算法解决聚类问题效果优于人工蜂群（ABC)算法，布谷鸟搜索（CS)算法、粒子群优化(PSO)算法等。【结论】在大多数测试数据集的情况下多元宇宙算法解决聚类分析问题具有收敛速度快、聚类精度高和稳定性好的优点。
分类：期刊> 自然科学与工程技术> 基础科学> 自然科学理论与方法
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：数据挖掘 聚类问题 多元宇宙算法
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
