摘摇要:针对传统的K-means算法对初始聚类中心的选取敏感、容易收敛到局部最优的缺点,提出一种基于改进粒子群优 化算法(PSO)的K-means优化聚类算法。该算法利用PSO算法强大的全局搜索能力对初始聚类中心的选取进行优化:通 过动态调整惯性权重等参数增强PSO算法的性能;利用群体适应度方差决定算法中前部分PSO算法和后部分...
软件可靠性模型:K-means聚类粒平群优化规则化距离多评价标准编码模型选择针对软件可靠性选择主要依靠人的主观经验进行判断,缺乏客观性和准确性的问题,提出了一种基于改进的K-means聚类和粒子群优化(PSO)算法的软件可靠性模型选择方法.该方法采用多评价标准编码,选定一种新的规则化距离作为元素间的相似性度量,应用K-...
一种基于改进的K-means聚类和PSO的软件可靠性模型选择