基于布谷鳥搜索的K-means聚類算法

　　針對原始K-means聚類算法受初始聚類中心影響過大以及容易陷入局部最優(yōu)的不足，提出一種基于改進(jìn)布谷鳥搜索（cs）的K-means聚類算法（ACS-K-means）。其中，自適應(yīng)CS（ ACS）算法在標(biāo)準(zhǔn)CS算法的基礎(chǔ)上引入步長自適應(yīng)調(diào)整，以提高搜索精度和收斂速度。在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上，ACS-K-means算法可得到比K-means、基于遺傳算法的K-means（ GA-K-means）、基于布谷鳥搜索的K-means（ CS-K-means）和基于粒子群優(yōu)化的K-means（PSO-K-means）算法更優(yōu)的聚類質(zhì)量和更高的收斂速度。將ACS-K-means聚類算法應(yīng)用到南寧市青秀區(qū)“城管通”系統(tǒng)的城管案件熱圖的開發(fā)中，在地圖上對案件地理坐標(biāo)進(jìn)行聚類并顯示，應(yīng)用結(jié)果表明，聚類效果良好，算法收斂速度快。