摘要：為了克服傳統(tǒng)聚類方法的初始值隨機(jī)性較大對(duì)GSA算法的影響,本文提出了一種基于區(qū)域密度統(tǒng)計(jì)方法的優(yōu)化GSA算法。該算法通過計(jì)算每個(gè)聚類對(duì)象的區(qū)域密度來選擇最遠(yuǎn)的點(diǎn),并以最高的區(qū)域密度作為初始聚類中心。實(shí)驗(yàn)結(jié)果表明,優(yōu)化后的GSA算法提高了聚類的色散和不良數(shù)據(jù)辨識(shí)精度的準(zhǔn)確性。同時(shí),該算法大大降低了迭代計(jì)算的計(jì)算復(fù)雜度,提高了計(jì)算速度,節(jié)省了大量的計(jì)算時(shí)間。在系統(tǒng)龐大、數(shù)據(jù)量大的情況下,該算法是一種快速有效的算法,具有良好的應(yīng)用前景。