本文選題：凝聚型層次聚類 + 蟻群優(yōu)化��； 參考：《計算機(jī)應(yīng)用研究》2017年01期

【摘要】：傳統(tǒng)的凝聚型層次聚類在分裂或合并類時如果沒有很好地作出決定,就有可能導(dǎo)致低質(zhì)量的聚類結(jié)果,針對這一缺點,提出一種基于蟻群優(yōu)化算法的凝聚型層次聚類算法。該算法先利用蟻群優(yōu)化算法的狀態(tài)轉(zhuǎn)移規(guī)則決定凝聚型層次聚類中下一個將要合并的數(shù)據(jù)點,再利用信息素更新規(guī)則尋找聚類的最優(yōu)路徑,最后獲得全局最優(yōu)的高質(zhì)量層次聚類結(jié)果。該優(yōu)化算法在人工數(shù)據(jù)集和UCI數(shù)據(jù)集上的仿真實驗結(jié)果表明,相對于傳統(tǒng)的聚類算法,該算法的準(zhǔn)確率更高,聚類效果更好。
[Abstract]:The traditional cohesive hierarchical clustering can lead to low quality clustering results if they do not make a good decision in the split or merge class. In view of this shortcoming, a cohesive hierarchical clustering algorithm based on ant colony optimization algorithm is proposed. The algorithm first uses the state transfer rule of ant colony optimization algorithm to determine the condensed hierarchical clustering. In the class, the next data point will be merged, and then the pheromone updating rule is used to find the optimal path of the cluster. Finally, the global optimal high quality hierarchical clustering results are obtained. The simulation results on the artificial data set and the UCI data set show that the algorithm is more accurate than the traditional clustering algorithm, and the clustering algorithm is more accurate and clustering. The effect is better.

【作者單位】： 山東師范大學(xué)信息科學(xué)與工程學(xué)院;山東省分布式計算機(jī)軟件新技術(shù)重點實驗室;山東警察學(xué)院公共基礎(chǔ)部;山東財經(jīng)大學(xué)數(shù)學(xué)與數(shù)量經(jīng)濟(jì)學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(61373148,61502151) 國家社科基金資助項目(12BXW040) 山東省自然科學(xué)基金資助項目(ZR2012FM038,ZR2014FL010) 山東省優(yōu)秀中青年科學(xué)家獎勵基金資助項目(BS2013DX033) 國家教育部人文社科基金資助項目(14YJC860042) 山東省社科規(guī)劃項目(2012BXWJ01) 山東省高等學(xué)�？萍加媱濏椖�(J13LN19,J15LN02)
【分類號】：TP18;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄭曉鳴;呂士穎;王曉東;;一種基于隨機(jī)抽取的有限深度層次聚類[J];鄭州大學(xué)學(xué)報(理學(xué)版);2007年03期

2 湯周文;葉東毅;;基于層次聚類的差異化屬性約簡算法[J];計算機(jī)應(yīng)用;2009年02期

3 龔尚福;陳婉璐;賈澎濤;;層次聚類社區(qū)發(fā)現(xiàn)算法的研究[J];計算機(jī)應(yīng)用研究;2013年11期

4 香紅麗;王瀟涵;羅淑云;;基于層次聚類方法研究課程關(guān)系結(jié)構(gòu)[J];中國科教創(chuàng)新導(dǎo)刊;2011年26期

5 張闊,徐鵬,李涓子,王克宏;基于優(yōu)化層次聚類的文檔邏輯結(jié)構(gòu)抽取[J];清華大學(xué)學(xué)報(自然科學(xué)版);2005年04期

6 王旅;彭宏;胡勁松;梁華芳;;層次聚類在種群親緣關(guān)系研究中的應(yīng)用[J];計算機(jī)時代;2006年07期

7 黃健斌;康劍梅;齊俊杰;孫鶴立;;一種基于同步動力學(xué)模型的層次聚類方法[J];中國科學(xué):信息科學(xué);2013年05期

8 熊平;朱天清;;基于雜度增益與層次聚類的數(shù)據(jù)匿名方法[J];計算機(jī)研究與發(fā)展;2012年07期

9 朱嫻;馬衛(wèi);;一種基于層次聚類的雙聚類算法[J];微計算機(jī)應(yīng)用;2009年05期

10 杜奕;盧德唐;李道倫;查文舒;;基于層次聚類的時間序列在線劃分算法[J];模式識別與人工智能;2007年03期

相關(guān)會議論文 前5條

1 吾守爾·斯拉木;吳啟南;;基于層次聚類方法[A];第六屆全國計算機(jī)應(yīng)用聯(lián)合學(xué)術(shù)會議論文集[C];2002年

2 彭楠峗;王厚峰;凌晨添;;基于層次聚類的網(wǎng)絡(luò)新聞熱點發(fā)現(xiàn)[A];中國計算語言學(xué)研究前沿進(jìn)展（2009-2011）[C];2011年

3 楊建武;;Web檢索結(jié)果的層次聚類研究[A];第二十一屆中國數(shù)據(jù)庫學(xué)術(shù)會議論文集（技術(shù)報告篇）[C];2004年

4 劉啟亮;鄧敏;李光強(qiáng);王佳t，

本文編號：1780674