期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
基于ACO-PSO自适应的划分聚类算法 预览
1
作者 周文娟 赵礼峰 《计算机技术与发展》 2019年第2期90-95,共6页
针对经典划分算法聚类数K先验未知及初始聚类中心随机选取,导致陷入局部最优的问题,提出一种基于ACO-PSO自适应的划分聚类算法。首先根据聚类算法类内相似度最大差异度最小和类间相似度最小差异度最大的基本原则,将个体轮廓系数作为最... 针对经典划分算法聚类数K先验未知及初始聚类中心随机选取,导致陷入局部最优的问题,提出一种基于ACO-PSO自适应的划分聚类算法。首先根据聚类算法类内相似度最大差异度最小和类间相似度最小差异度最大的基本原则,将个体轮廓系数作为最佳聚类数的检验函数,得到聚类算法的自适应K值;其次利用群智能搜索方法思想,有效结合了粒子群算法和蚁群算法的优点,先利用具有全局性和快速性的粒子群算法获得初始信息素分布,再利用具有正反馈性和并行性的蚁群算法得到精确解。最后在多个UCI数据集上的仿真结果表明,该算法不仅求解能力优于传统聚类算法及基于个体轮廓系数优化的初始聚类中心算法,而且聚类时间效率大大提高,应用于大数据收敛速度更加明显。 展开更多
关键词 K-MEANS 自适应 个体轮廓系数 ACO-PSO 鲁棒性
在线阅读 下载PDF
优化初始聚类中心的改进k-means算法 预览 被引量:31
2
作者 张靖 段富 《计算机工程与设计》 CSCD 北大核心 2013年第5期1691-1694,1699共5页
传统k-means算法随机选取初始聚类中心使聚类结果不稳定,诸多优化算法的时间复杂度较高,为了提高聚类稳定性并降低时间复杂度,提出了基于个体轮廓系数自适应地选取优秀样本以确定初始聚类中心的改进k-means算法。该算法多次调用传统k-me... 传统k-means算法随机选取初始聚类中心使聚类结果不稳定,诸多优化算法的时间复杂度较高,为了提高聚类稳定性并降低时间复杂度,提出了基于个体轮廓系数自适应地选取优秀样本以确定初始聚类中心的改进k-means算法。该算法多次调用传统k-means算法聚类,根据k个类中心的个体轮廓系数以及各样本与类中心的距离,自适应地选取优秀样本,求其均值作为初始聚类中心。在多个UCI数据集上的实验表明,该算法聚类时间短,具有较高的轮廓系数和准确率。 展开更多
关键词 聚类 K均值算法 初始聚类中心 个体轮廓系数 自适应
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部 意见反馈