發(fā)布時間：2018-01-19 08:20

  本文關(guān)鍵詞： 二進制人工蜂群算法 動態(tài)聚類 局部尋優(yōu) 全局搜索　出處：《南京郵電大學學報(自然科學版)》2017年05期 　論文類型：期刊論文

【摘要】：文中提出一種改進的二進制人工蜂群算法用于圖像的動態(tài)聚類。該算法用了變化更多的候選解產(chǎn)生方式,以提高算法的全局搜索能力;增加了一個局部搜索階段,以提高算法的局部尋優(yōu)能力。在4個測試圖像上的數(shù)值實驗表明,與原始的二進制人工蜂群算法相比,文中算法在聚類有效性指標值、動態(tài)聚類數(shù)目以及聚類結(jié)果上均有明顯改進。
[Abstract]:In this paper, an improved binary artificial bee colony algorithm is proposed for dynamic image clustering, which uses a more variable candidate solution generation method to improve the global search ability of the algorithm. A local search phase is added to improve the local optimization ability of the algorithm. Numerical experiments on four test images show that it is compared with the original binary artificial bee colony algorithm. In this paper, the clustering validity index, the number of dynamic clustering and the clustering results are improved obviously.
【作者單位】： 江蘇省大規(guī)模復雜系統(tǒng)數(shù)值模擬重點實驗室;南京師范大學數(shù)學科學學院;南京郵電大學理學院;
【基金】：國家自然科學基金(11501301,61179027) 教育部人文社會科學青年基金(12YJCZH179) 江蘇省博士后科研資助計劃(1501071B) 江蘇省大規(guī)模復雜系統(tǒng)數(shù)值模擬重點實驗室開放基金(201601)資助項目
【分類號】：TP18;TP391.41
【正文快照】： ????????210023聚類分析[1]的目的是將一組無標簽的數(shù)據(jù)按照一定的規(guī)則分成若干類,使得分到同一類的對象盡可能相似,分到不同類的對象盡可能不同。聚類分析在文本分類、基因識別和圖像檢索等方面有著廣泛的應(yīng)用。目前主要存在的聚類算法有:劃分聚類、層次聚類和基于密度的聚類

【相似文獻】

相關(guān)期刊論文 前9條

1 劉青寶;陸昌輝;鄧蘇;張維明;;基于鄰接距離的屬性動態(tài)聚類算法[J];科學技術(shù)與工程;2006年17期

2 魏娜;黃學宇;高山;;基于約簡-優(yōu)化原理的動態(tài)聚類算法研究[J];微計算機信息;2009年18期

3 毛布;田林;謝汶;;基于動態(tài)聚類的網(wǎng)上學員細分實證研究[J];四川理工學院學報(自然科學版);2010年06期

4 朱群雄,宣達婧,顧祥柏;基于關(guān)聯(lián)函數(shù)的動態(tài)聚類算法及應(yīng)用[J];計算機應(yīng)用;2005年06期

5 蔣寧;吳春旭;;基于區(qū)間值數(shù)據(jù)動態(tài)聚類算法的客戶市場細分[J];計算機應(yīng)用與軟件;2007年12期

6 張春英;劉保相;劉鳳春;;基于SPA的動態(tài)聚類統(tǒng)計分析及其應(yīng)用[J];計算機工程與設(shè)計;2006年20期

7 葉勇;;基于動態(tài)聚類的渠道結(jié)構(gòu)模糊評價[J];武漢理工大學學報;2009年24期

8 桑軍;胡海波;葉春曉;向宏;傅鸝;蔡斌;;基于動態(tài)聚類及樣本篩選的人臉識別[J];計算機工程與應(yīng)用;2008年23期

9 朱華鋒;劉健;陳素娜;劉思峰;吳順祥;;區(qū)間模糊ISODATA動態(tài)聚類算法[J];數(shù)學的實踐與認識;2011年09期

相關(guān)博士學位論文 前1條

1 吳珊珊;數(shù)據(jù)流頻繁項挖掘及相關(guān)性分析算法的研究[D];浙江大學;2017年

相關(guān)碩士學位論文 前4條

1 彭徽;基于改進動態(tài)聚類算法的兩步入侵檢測研究[D];安徽理工大學;2016年

2 黃麗娟;動態(tài)聚類新方法及最優(yōu)聚類算法研究[D];揚州大學;2006年

3 劉星晨;基于集成半監(jiān)督學習框架的電影視頻總結(jié)算法研究[D];天津大學;2016年

4 韓瓊;基于邊界度模型的聚類技術(shù)研究[D];鄭州大學;2017年

，

本文編號：1443393