本文關(guān)鍵詞：一種基于改進(jìn)蜂群的K-means聚類算法

  更多相關(guān)文章： 聚類 K-means算法 人工蜂群算法 中心解 動(dòng)態(tài)調(diào)整因子

【摘要】：為了克服K-means聚類算法的不足,提出了一種改進(jìn)的人工蜂群算法。通過(guò)在蜜源搜索策略中加入動(dòng)態(tài)調(diào)整因子,使得算法在不同的進(jìn)化時(shí)期能夠自動(dòng)地調(diào)整搜索范圍,增強(qiáng)了算法的全局搜索能力和局部開(kāi)采能力。引入了包含更多最優(yōu)解信息的中心解思想,提高了蜂群的搜索效率,加快了算法的收斂速度。利用改進(jìn)后的蜂群算法來(lái)優(yōu)化K-means算法,以改善聚類效果的性能。試驗(yàn)結(jié)果表明,優(yōu)化后的K-means算法具有較強(qiáng)的穩(wěn)定性,且聚類效果有了明顯改善。
【作者單位】： 長(zhǎng)沙理工大學(xué)計(jì)算機(jī)與通信工程學(xué)院;
【關(guān)鍵詞】： 聚類 K-means算法 人工蜂群算法 中心解 動(dòng)態(tài)調(diào)整因子
【基金】：國(guó)家自然科學(xué)基金資助項(xiàng)目(11171095,71371065)
【分類號(hào)】：TP18;TP311.13
【正文快照】： 在數(shù)據(jù)分析中,聚類算法是至關(guān)重要的一部分,它廣泛應(yīng)用于圖像識(shí)別、推薦系統(tǒng)和數(shù)據(jù)挖掘等領(lǐng)域[1]。K-means聚類算法是最經(jīng)典和實(shí)用的聚類算法之一,它具有思路簡(jiǎn)單、效率高等優(yōu)點(diǎn),但也存在對(duì)初始中心敏感、易陷入局部最優(yōu)等不足。有大量的研究致力于改進(jìn)上述問(wèn)題。針對(duì)K-means

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前8條

1 周長(zhǎng)喜;毛力;吳濱;楊弘;肖煒;;基于當(dāng)前最優(yōu)解的人工蜂群算法[J];計(jì)算機(jī)工程;2015年06期

2 沈艷;余冬華;王昊雷;;粒子群K-means聚類算法的改進(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2014年21期

3 熊眾望;羅可;;基于改進(jìn)的簡(jiǎn)化粒子群聚類算法[J];計(jì)算機(jī)應(yīng)用研究;2014年12期

4 劉三陽(yáng);張平;朱明敏;;基于局部搜索的人工蜂群算法[J];控制與決策;2014年01期

5 曹永春;蔡正琦;邵亞斌;;基于K-means的改進(jìn)人工蜂群聚類算法[J];計(jì)算機(jī)應(yīng)用;2014年01期

6 易正俊;韓曉晶;;增強(qiáng)尋優(yōu)能力的改進(jìn)人工蜂群算法[J];數(shù)據(jù)采集與處理;2013年06期

7 鄧海;覃華;孫欣;;一種優(yōu)化初始中心的K-means聚類算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2013年11期

8 陶新民;徐晶;楊立標(biāo);劉玉;;一種改進(jìn)的粒子群和K均值混合聚類算法[J];電子與信息學(xué)報(bào);2010年01期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 Zhang Junbin;Cai Jinyan;Meng Yafeng;;Optimal design of RTCs in digital circuit fault self-repair based on global signal optimization[J];Chinese Journal of Aeronautics;2016年06期

2 莊瑞格;倪澤邦;劉學(xué)藝;;基于擬蒙特卡洛的K均值聚類中心初始化方法[J];濟(jì)南大學(xué)學(xué)報(bào)(自然科學(xué)版);2017年01期

3 王曉東;張姣;薛紅;;基于蝙蝠算法的K均值聚類算法[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2016年06期

4 龐策;黃樹(shù)彩;韋道知;苑智瑋;劉錦昌;;基于改進(jìn)人工蜂群算法的多傳感器聯(lián)盟[J];探測(cè)與控制學(xué)報(bào);2016年05期

5 尹詩(shī)白;王一斌;李大鵬;鄧箴;王s，

本文編號(hào)：924389