基于蚁群优化算法的凝聚型层次聚类

发布时间：2018-04-21 03:12

本文选题：凝聚型层次聚类 + 蚁群优化　；参考：《计算机应用研究》2017年01期

【摘要】：传统的凝聚型层次聚类在分裂或合并类时如果没有很好地作出决定,就有可能导致低质量的聚类结果,针对这一缺点,提出一种基于蚁群优化算法的凝聚型层次聚类算法。该算法先利用蚁群优化算法的状态转移规则决定凝聚型层次聚类中下一个将要合并的数据点,再利用信息素更新规则寻找聚类的最优路径,最后获得全局最优的高质量层次聚类结果。该优化算法在人工数据集和UCI数据集上的仿真实验结果表明,相对于传统的聚类算法,该算法的准确率更高,聚类效果更好。
[Abstract]:The traditional cohesive hierarchical clustering can lead to low quality clustering results if they do not make a good decision in the split or merge class. In view of this shortcoming, a cohesive hierarchical clustering algorithm based on ant colony optimization algorithm is proposed. The algorithm first uses the state transfer rule of ant colony optimization algorithm to determine the condensed hierarchical clustering. In the class, the next data point will be merged, and then the pheromone updating rule is used to find the optimal path of the cluster. Finally, the global optimal high quality hierarchical clustering results are obtained. The simulation results on the artificial data set and the UCI data set show that the algorithm is more accurate than the traditional clustering algorithm, and the clustering algorithm is more accurate and clustering. The effect is better.

【作者单位】：山东师范大学信息科学与工程学院;山东省分布式计算机软件新技术重点实验室;山东警察学院公共基础部;山东财经大学数学与数量经济学院;
【基金】：国家自然科学基金资助项目(61373148,61502151) 国家社科基金资助项目(12BXW040) 山东省自然科学基金资助项目(ZR2012FM038,ZR2014FL010) 山东省优秀中青年科学家奖励基金资助项目(BS2013DX033) 国家教育部人文社科基金资助项目(14YJC860042) 山东省社科规划项目(2012BXWJ01) 山东省高等学校科技计划项目(J13LN19,J15LN02)
【分类号】：TP18;TP311.13

【相似文献】