基于布谷鸟搜索的K-means聚类算法

　　针对原始K-means聚类算法受初始聚类中心影响过大以及容易陷入局部最优的不足，提出一种基于改进布谷鸟搜索（cs）的K-means聚类算法（ACS-K-means）。其中，自适应CS（ ACS）算法在标准CS算法的基础上引入步长自适应调整，以提高搜索精度和收敛速度。在UCI标准数据集上，ACS-K-means算法可得到比K-means、基于遗传算法的K-means（ GA-K-means）、基于布谷鸟搜索的K-means（ CS-K-means）和基于粒子群优化的K-means（PSO-K-means）算法更优的聚类质量和更高的收敛速度。将ACS-K-means聚类算法应用到南宁市青秀区“城管通”系统的城管案件热图的开发中，在地图上对案件地理坐标进行聚类并显示，应用结果表明，聚类效果良好，算法收敛速度快。