基于全局信息的人工蜂群聚类算法

发布时间：2018-01-07 12:39

  本文关键词：基于全局信息的人工蜂群聚类算法　出处：《微电子学与计算机》2017年02期 　论文类型：期刊论文

  更多相关文章： 人工蜂群算法 聚类 群体智能 搜索策略 全局信息

【摘要】：针对人工蜂群算法易陷入局部最优和收敛速度慢的不足,提出了一种基于全局信息的人工蜂群聚类算法.基于全局信息的人工蜂群聚类算法通过加入食物源平均丰富度(richness),利用中间聚类效果,更好地更新食物源;并且通过引入全局最优信息,提高跟随蜂的搜索效率,以获取聚类问题的全局最优解.同时在UCI机器学习库的4个标准数据集上进行了大量的实验来评估算法的性能.并将该算法和基本人工蜂群算法、粒子群算法和Kmeans算法进行比较.实验结果证明提出的基于全局信息的人工蜂群聚类算法具有更好的性能.
[Abstract]:In this paper , an artificial swarm algorithm based on global information is proposed for artificial swarm algorithm which is easy to fall into local optimal and slow convergence speed . Based on the global information , an artificial swarm algorithm based on global information is proposed to better update food source .

【作者单位】： 江南大学物联网工程学院;
【基金】：教育部中央高校自主科研计划重点项目(JUSRP51635B)
【分类号】：TP18;TP311.13
【正文快照】： 1引言聚类算法在信息检索、图像分析[1]、数据挖掘[2]等领域得到广泛应用.聚类主要是将数据对象调整到不同的类中,使得同一类中的数据对象彼此尽可能的相似,不同类中的数据对象尽可能的不同.聚类分析方法主要有划分方法和层次方法[3]等.划分方法被认为是比较适合聚类分析的[4]

【相似文献】

相关期刊论文 前10条

1 魏孝忠;;沈阳铁路局实行网络“准入制”规范全局信息系统建设[J];铁路计算机应用;2009年06期

2 陈书贞;甄延海;;融入图像全局信息的局部图像拟合模型[J];光学技术;2013年05期

3 温浩;孙蕾;;基于张量局部和全局信息的人脸识别算法[J];西安电子科技大学学报;2010年03期

4 陈德锟,阮备军,方明伦;基于PDM技术的企业全局信息管理的一种体系结构[J];上海大学学报(自然科学版);1999年03期

5 毕于慧;唐守正;王雪峰;;基于改进的几何活动轮廓模型的叶片自动分割[J];北京林业大学学报;2011年01期

6 吴胜利,黄涛;CIMS 环境中全局信息系统的总体结构与设计[J];清华大学学报(自然科学版);1998年03期

7 纪华;吴元昊;孙宏海;王延杰;;结合全局信息的SIFT特征匹配算法[J];光学精密工程;2009年02期

8 段汉根;汪继文;;基于图象结构对称性的图象修复[J];福建电脑;2007年06期

9 吴恩生;朱敏琛;;一种融合局部与全局信息的距离约束角点匹配算法[J];计算机应用;2010年01期

10 孙海燕;王晓东;邹鹏;周立;;基于对象适配器的协作式信息共享[J];计算机科学;2001年02期

相关会议论文 前1条

1 程万军;彭成宝;张霞;刘积仁;;全局信息系统中多数据库系统安全机制的实现[A];第十七届全国数据库学术会议论文集（研究报告篇）[C];2000年

相关重要报纸文章 前2条

1 姚春青;谋求全局信息优势[N];中国国防报;2000年

2 木遥 加州大学洛杉矶分校应用数学专业博士;神奇的压缩感知[N];电脑报;2010年

，

本文编号：1392600