一种基于改进蜂群的K-means聚类算法

发布时间：2017-09-26 16:00

  本文关键词：一种基于改进蜂群的K-means聚类算法

  更多相关文章： 聚类 K-means算法 人工蜂群算法 中心解 动态调整因子

【摘要】：为了克服K-means聚类算法的不足,提出了一种改进的人工蜂群算法。通过在蜜源搜索策略中加入动态调整因子,使得算法在不同的进化时期能够自动地调整搜索范围,增强了算法的全局搜索能力和局部开采能力。引入了包含更多最优解信息的中心解思想,提高了蜂群的搜索效率,加快了算法的收敛速度。利用改进后的蜂群算法来优化K-means算法,以改善聚类效果的性能。试验结果表明,优化后的K-means算法具有较强的稳定性,且聚类效果有了明显改善。
【作者单位】： 长沙理工大学计算机与通信工程学院;
【关键词】： 聚类 K-means算法 人工蜂群算法 中心解 动态调整因子
【基金】：国家自然科学基金资助项目(11171095,71371065)
【分类号】：TP18;TP311.13
【正文快照】： 在数据分析中,聚类算法是至关重要的一部分,它广泛应用于图像识别、推荐系统和数据挖掘等领域[1]。K-means聚类算法是最经典和实用的聚类算法之一,它具有思路简单、效率高等优点,但也存在对初始中心敏感、易陷入局部最优等不足。有大量的研究致力于改进上述问题。针对K-means

【参考文献】

中国期刊全文数据库 前8条

1 周长喜;毛力;吴滨;杨弘;肖炜;;基于当前最优解的人工蜂群算法[J];计算机工程;2015年06期

2 沈艳;余冬华;王昊雷;;粒子群K-means聚类算法的改进[J];计算机工程与应用;2014年21期

3 熊众望;罗可;;基于改进的简化粒子群聚类算法[J];计算机应用研究;2014年12期

4 刘三阳;张平;朱明敏;;基于局部搜索的人工蜂群算法[J];控制与决策;2014年01期

5 曹永春;蔡正琦;邵亚斌;;基于K-means的改进人工蜂群聚类算法[J];计算机应用;2014年01期

6 易正俊;韩晓晶;;增强寻优能力的改进人工蜂群算法[J];数据采集与处理;2013年06期

7 邓海;覃华;孙欣;;一种优化初始中心的K-means聚类算法[J];计算机技术与发展;2013年11期

8 陶新民;徐晶;杨立标;刘玉;;一种改进的粒子群和K均值混合聚类算法[J];电子与信息学报;2010年01期

【共引文献】

中国期刊全文数据库 前10条

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 庄瑞格;倪泽邦;刘学艺;;基于拟蒙特卡洛的K均值聚类中心初始化方法[J];济南大学学报(自然科学版);2017年01期

3 王晓东;张姣;薛红;;基于蝙蝠算法的K均值聚类算法[J];吉林大学学报(信息科学版);2016年06期

4 庞策;黄树彩;韦道知;苑智玮;刘锦昌;;基于改进人工蜂群算法的多传感器联盟[J];探测与控制学报;2016年05期

5 尹诗白;王一斌;李大鹏;邓箴;王s，

本文编号：924389