本文關(guān)鍵詞：一種基于改進蜂群的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,提出了一種改進的人工蜂群算法。通過在蜜源搜索策略中加入動態(tài)調(diào)整因子,使得算法在不同的進化時期能夠自動地調(diào)整搜索范圍,增強了算法的全局搜索能力和局部開采能力。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。利用改進后的蜂群算法來優(yōu)化K-means算法,以改善聚類效果的性能。試驗結(jié)果表明,優(yōu)化后的K-means算法具有較強的穩(wěn)定性,且聚類效果有了明顯改善。
【作者單位】： 長沙理工大學計算機與通信工程學院;
【關(guān)鍵詞】： 聚類 K-means算法 人工蜂群算法 中心解 動態(tài)調(diào)整因子
【基金】：國家自然科學基金資助項目(11171095,71371065)
【分類號】：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)典和實用的聚類算法之一,它具有思路簡單、效率高等優(yōu)點,但也存在對初始中心敏感、易陷入局部最優(yōu)等不足。有大量的研究致力于改進上述問題。針對K-means

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前8條

1 周長喜;毛力;吳濱;楊弘;肖煒;;基于當前最優(yōu)解的人工蜂群算法[J];計算機工程;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[J];計算機工程與應(yīng)用;2014年21期

3 熊眾望;羅可;;基于改進的簡化粒子群聚類算法[J];計算機應(yīng)用研究;2014年12期

4 劉三陽;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的改進人工蜂群聚類算法[J];計算機應(yīng)用;2014年01期

6 易正俊;韓曉晶;;增強尋優(yōu)能力的改進人工蜂群算法[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];計算機技術(shù)與發(fā)展;2013年11期

8 陶新民;徐晶;楊立標;劉玉;;一種改進的粒子群和K均值混合聚類算法[J];電子與信息學報;2010年01期

【共引文獻】

中國期刊全文數(shù)據(jù)庫 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;劉學藝;;基于擬蒙特卡洛的K均值聚類中心初始化方法[J];濟南大學學報(自然科學版);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];吉林大學學報(信息科學版);2016年06期

4 龐策;黃樹彩;韋道知;苑智瑋;劉錦昌;;基于改進人工蜂群算法的多傳感器聯(lián)盟[J];探測與控制學報;2016年05期

5 尹詩白;王一斌;李大鵬;鄧箴;王s，

本文編號：924389