針對(duì)經(jīng)典劃分算法聚類(lèi)數(shù)K先驗(yàn)未知及初始聚類(lèi)中心隨機(jī)選取,導(dǎo)致陷入局部最優(yōu)的問(wèn)題,提出一種基于ACO-PSO自適應(yīng)的劃分聚類(lèi)算法。首先根據(jù)聚類(lèi)算法類(lèi)內(nèi)相似度最大差異度最小和類(lèi)間相似度最小差異度最大的基本原則,將個(gè)體輪廓系數(shù)作為最佳聚類(lèi)數(shù)的檢驗(yàn)函數(shù),得到聚類(lèi)算法的自適應(yīng)K值;其次利用群智能搜索方法思想,有效結(jié)合了粒子群算法和蟻群算法的優(yōu)點(diǎn),先利用具有全局性和快速性的粒子群算法獲得初始信息素分布,再利用具有正反饋性和并行性的蟻群算法得到精確解。最后在多個(gè)UCI數(shù)據(jù)集上的仿真結(jié)果表明,該算法不僅求解能力優(yōu)于傳統(tǒng)聚類(lèi)算法及基于個(gè)體輪廓系數(shù)優(yōu)化的初始聚類(lèi)中心算法,而且聚類(lèi)時(shí)間效率大大提高,應(yīng)用于大數(shù)據(jù)收斂速度更加明顯。 

【文章來(lái)源】：計(jì)算機(jī)技術(shù)與發(fā)展. 2019,29(02)

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

三個(gè)數(shù)據(jù)集的相鄰輪廓系數(shù)間的變化率4．2初始聚類(lèi)中心的優(yōu)化

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)人工蜂群的核模糊聚類(lèi)算法[J]. 梁冰,徐華.  計(jì)算機(jī)應(yīng)用. 2017(09)
[2]基于改進(jìn)布谷鳥(niǎo)優(yōu)化的模糊聚類(lèi)圖像分割[J]. 朱春,李林國(guó),郭劍.  計(jì)算機(jī)科學(xué). 2017(06)
[3]基于自適應(yīng)步長(zhǎng)的螢火蟲(chóng)劃分聚類(lèi)算法[J]. 潘曉英,陳雪靜,李昂儒,趙普.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[4]基于改進(jìn)粒子群蟻群算法的多目標(biāo)雙邊匹配問(wèn)題[J]. 陳睿,趙志剛,張雁茹,李永恒.  計(jì)算機(jī)工程與設(shè)計(jì). 2017(01)
[5]自適應(yīng)K值的粒子群聚類(lèi)算法[J]. 白樹(shù)仁,陳龍.  計(jì)算機(jī)工程與應(yīng)用. 2017(16)
[6]基于Pareto熵的多目標(biāo)粒子群優(yōu)化算法[J]. 胡旺,Gary G. YEN,張?chǎng)?  軟件學(xué)報(bào). 2014(05)
[7]K-均值算法中聚類(lèi)個(gè)數(shù)優(yōu)化問(wèn)題研究[J]. 韓凌波.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2012(02)
[8]基于粒子群優(yōu)化的蟻群算法在TSP中的應(yīng)用[J]. 柴寶杰,劉大為.  計(jì)算機(jī)仿真. 2009(08)

碩士論文
[1]基于蟻群算法和粒子群算法的Ad Hoc網(wǎng)絡(luò)組播路由的研究[D]. 潘鴻雁.燕山大學(xué) 2014



本文編號(hào)：3486338