摘要：針對(duì)傳統(tǒng)的K-means算法在過(guò)分依賴初始聚類中心選取方面的不足,論文提出了一種基于自適應(yīng)PSO的K-means聚類算法。該算法設(shè)計(jì)了一種自適應(yīng)慣性權(quán)重函數(shù)對(duì)PSO進(jìn)行動(dòng)態(tài)調(diào)整,然后與K-means算法融合,使K-means的各個(gè)初始聚類中心能自適應(yīng)生成,達(dá)到全局最優(yōu),最后將上述改進(jìn)的聚類算法應(yīng)用于醫(yī)學(xué)電子病歷數(shù)據(jù)病癥的聚類處理。實(shí)驗(yàn)結(jié)果表明該算法具有更高的電子病歷病癥聚類準(zhǔn)確率和執(zhí)行效率。