基于精英反向学习的萤火虫k-means改进算法

发布时间：2021-02-27 00:05

　　为解决传统k-means聚类算法在聚类精度及中心点选取方面的问题,提出一种基于精英反向学习的萤火虫k-means改进算法。针对k-means算法的弱点,利用萤火虫优化算法具有较强全局搜索能力这一特性,使用精英反向学习策略对萤火虫进行改进,扩大萤火虫的搜索范围并提高收敛速度,对萤火虫的吸引度和步长因子进行改进,提升聚类效率。将改进算法运用到UCI标准数据集进行聚类仿真实验,该算法在寻优精度和收敛速度上有更好的结果,验证了其有效性。 

【文章来源】：计算机工程与设计. 2019,40(11)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 相关算法
    1.1 传统k-means聚类
    1.2 萤火虫算法
        1.2.1 算法的原理介绍
        1.2.2 算法分析
2 算法的改进
    2.1 反向学习策略
    2.2 改进萤火虫吸引度和扰动方式
        2.2.1 吸引力系数β0及其动态策略
        2.2.2 参数α的分析和自适应策略
        2.2.3 最优扰动策略
    2.3 算法思路
    2.4 算法步骤
3 实验分析
    3.1 实验相关
    3.2 实验结果
4 结束语



本文编号：3053368