基于改进粒子群优化的无标记数据鲁棒聚类算法

发布时间：2019-08-20 17:10

【摘要】：已有的聚类算法大多仅考虑单一的目标,导致对某些形状的数据集性能较弱,为此提出一种基于改进粒子群优化的无标记数据鲁棒聚类算法。优化阶段:首先采用多目标粒子群优化的经典形式生成聚类解集合;然后使用K-means算法生成随机分布的初始化种群,并为其分配随机初始化的速度;最终,采用maximin策略确定帕累托最优解。决策阶段:测量帕累托解集与理想解的距离,将距离最短的帕累托解作为最终聚类解。对比实验结果表明,本算法对不同形状的数据集均可获得较优的类簇数量,对目标问题的复杂度具有较好的鲁棒性。
[Abstract]:Most of the existing clustering algorithms only consider a single goal, which leads to the weak performance of some shapes of data sets. Therefore, a robust clustering algorithm based on improved particle swarm optimization for unmarked data is proposed. In the optimization stage, the cluster solution set is generated by the classical form of multi-objective particle swarm optimization, then the randomly distributed initialization population is generated by K-means algorithm, and the speed of random initialization is assigned to it. Finally, the Pareto optimal solution is determined by maximin strategy. In the decision stage, the distance between the Pareto solution set and the ideal solution is measured, and the Pareto solution with the shortest distance is taken as the final clustering solution. The experimental results show that the algorithm can obtain better cluster number for different shape datasets and has better robustness to the complexity of the target problem.
【作者单位】： 新乡学院计算机与信息工程学院;河南大学计算机与信息工程学院;
【基金】：河南省高等学校青年骨干教师培养计划资助项目(2013GGJS-222) 河南省科技厅资助项目(152400410345);河南省科技厅科技攻关项目(172102210445) 河南省教育厅资助项目(15A520093)
【分类号】：TP18;TP311.13

【参考文献】

相关期刊论文 前9条

1 罗贤锋;祝胜林;陈泽健;袁玉强;;基于K-Medoids聚类的改进KNN文本分类算法[J];计算机工程与设计;2014年11期

2 杨志;罗可;;一种改进的基于粒子群的聚类算法[J];计算机应用研究;2014年09期

3 杨燕;王全根;黄波;;蚁群聚类算法的并行化设计与实现[J];控制工程;2013年03期

4 张震;汪斌强;伊鹏;兰巨龙;;一种分层组合的半监督近邻传播聚类算法[J];电子与信息学报;2013年03期

5 冯汝伟;谢强;丁秋林;;基于文本聚类与分布式Lucene的知识检索[J];计算机应用;2013年01期

6 王纵虎;刘志镜;陈东辉;;两阶段混合粒子群优化聚类[J];西南交通大学学报;2012年06期

7 古平;刘海波;罗志恒;;一种基于多重聚类的离群点检测算法[J];计算机应用研究;2013年03期

8 陈小全;张继红;;基于改进粒子群算法的聚类算法[J];计算机研究与发展;2012年S1期

9 冯琳;毛志忠;袁平;;基于Maximin的动态种群多目标粒子群算法[J];东北大学学报(自然科学版);2010年07期

【共引文献】

相关期刊论文 前10条

1 王晓东;满扬;李海洋;;基于扰动因子的准则函数下的聚类算法[J];纺织高校基础科学学报;2017年01期

2 郑晓霞;赵青杉;陈文杰;;基于改进K-means算法的彩色超声图像分割[J];忻州师范学院学报;2017年02期

3 刘文婧;王建国;吕达;;增加算子扰动项的粒子群优化算法研究[J];机械设计与制造;2017年04期

4 张连强;王东风;;基于改进人群搜索算法的PID参数优化[J];计算机工程与设计;2016年12期

5 戴月明;赵莉莉;;优化的人工鱼群和FCM的混合聚类算法[J];计算机应用与软件;2016年12期

6 朱学锋;;基于最优模糊系统的非线性校准数据计算方法[J];电子测量技术;2016年12期

7 白栩嘉;苏敏杰;;基于改进PSO-PP模型的区域水资源利用效率评价[J];人民长江;2016年23期

8 于苹苹;倪建成;姚彬修;李淋淋;曹博;;基于Spark框架的高效KNN中文文本分类算法[J];计算机应用;2016年12期

9 单亚峰;张胜强;刘汀;宋鸽;;基于ACC优化Elman神经网络的谐波检测方案[J];控制工程;2016年11期

10 李少波;孟伟;璩晶磊;;基于密度的异常数据检测算法GSWCLOF[J];计算机工程与应用;2016年19期

【二级参考文献】

相关期刊论文 前10条

1 张雪萍;龚康莉;赵广才;;基于MapReduce的K-Medoids并行算法[J];计算机应用;2013年04期

2 吴健;崔志明;时玉杰;盛胜利;龚声蓉;;基于局部密度构造相似矩阵的谱聚类算法[J];通信学报;2013年03期

3 苟和平;景永霞;冯百明;李勇;;基于DBSCAN聚类的改进KNN文本分类算法[J];科学技术与工程;2013年01期

4 奉国和;吴敬学;;KNN分类算法改进研究进展[J];图书情报工作;2012年21期

5 姚丽娟;罗可;;基于粒子群的粗糙核聚类算法[J];计算机应用研究;2012年08期

6 王纵虎;刘志镜;陈东辉;;一种改进的粒子群优化快速聚类算法[J];西安电子科技大学学报;2012年05期

7 刘海峰;姚泽清;苏展;张学仁;;文本分类中基于K-means的类偏斜KNN样本剪裁[J];微电子学与计算机;2012年05期

8 宗瑜;金萍;陈恩红;李红;刘仁金;;面向Weblog的模糊协同聚类算法[J];电子与信息学报;2012年03期

9 李宇泊;李秦;;对k均值算法和硬C-均值算法的对比分析[J];洛阳理工学院学报(自然科学版);2012年01期

10 熊忠阳;陈若田;张玉芳;;一种有效的K-means聚类中心初始化方法[J];计算机应用研究;2011年11期

【相似文献】

相关期刊论文 前10条

1 蒙正中;;一种改进的混合粒子群优化算法[J];桂林工学院学报;2009年03期

2 吴昌友;王福林;马力;;一种新的改进粒子群优化算法[J];控制工程;2010年03期

3 周驰,高海兵,高亮,章万国;粒子群优化算法[J];计算机应用研究;2003年12期

4 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期

5 张荣沂;一种新的集群优化方法——粒子群优化算法[J];黑龙江工程学院学报;2004年04期

6 高鹰;谢胜利;;混沌粒子群优化算法[J];计算机科学;2004年08期

7 刘钊,康立山,蒋良孝,杨林权;用粒子群优化改进算法求解混合整数非线性规划问题[J];小型微型计算机系统;2005年06期

8 戴冬雪,王祁,阮永顺,王晓超;基于混沌思想的粒子群优化算法及其应用[J];华中科技大学学报(自然科学版);2005年10期

9 窦全胜;周春光;马铭;刘全;;群核进化粒子群优化方法[J];计算机科学;2005年08期

10 范娜;云庆夏;;粒子群优化算法及其应用[J];信息技术;2006年01期

相关会议论文 前10条

1 张妍;张晓光;王永钢;;几种改进型的粒子群优化算法[A];第一届中国高校通信类院系学术研讨会论文集[C];2007年

2 孙红光;潘毓学;;基于运动目标路径的粒子群优化算法研究[A];第二届全国信息获取与处理学术会议论文集[C];2004年

3 韩毅;唐加福;郭伟宏;刘阳;;混合粒子群优化算法求解多层批量问题(英文)[A];中国运筹学会第八届学术交流会论文集[C];2006年

4 金一粟;梁逸曾;;空间自适应粒子群优化算法的应用研究[A];第九届全国计算（机）化学学术会议论文摘要集[C];2007年

5 汪荣贵;李守毅;孙见青;;一种新的自适应粒子群优化算法及应用[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

6 黄双欢;程良伦;;一种基于粒子群优化的快速图像倾斜角度检测算法[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

7 侯志荣;吕振肃;;基于退火策略的粒子群优化算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

8 徐俊杰;忻展红;;基于增强型参考位置的粒子群优化模型[A];’2004系统仿真技术及其应用学术交流会论文集[C];2004年

9 王亚;于永光;耿玲玲;;一类改进的自适应粒子群优化算法对混沌系统未知参数的估计[A];中国力学大会——2013论文摘要集[C];2013年

10 崔静;邓方;方浩;;基于改进粒子群优化算法的弹道求解方法[A];2013年中国智能自动化学术会议论文集（第三分册）[C];2013年

相关博士学位论文 前10条

1 刘昊;多样性增强的粒子群优化算法及其应用研究[D];北京理工大学;2015年

2 姜毅;动态环境下粒子群优化算法的研究[D];武汉大学;2013年

3 Shafiullah Khan;粒子群优化算法及其在电磁设计中的应用[D];浙江大学;2017年

4 刘华蓥;粒子群优化算法的改进研究及在石油工程中的应用[D];东北石油大学;2012年

5 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

6 熊勇;粒子群优化算法的行为分析与应用实例[D];浙江大学;2005年

7 唐贤伦;混沌粒子群优化算法理论及应用研究[D];重庆大学;2007年

8 闫允一;粒子群优化及其在图像处理中的应用研究[D];西安电子科技大学;2008年

9 余炳辉;粒子群优化算法试验研究及扩展[D];华中科技大学;2007年

10 唐贤伦;混沌粒子群优化算法理论及应用[D];重庆大学;2007年

相关硕士学位论文 前10条

1 陈卓;粒子群优化算法的改进及在油藏数值模拟中的应用[D];北京建筑大学;2015年

2 白云;基于粒子群优化算法的复杂网络社区挖掘[D];西北农林科技大学;2015年

3 杨艳华;基于粒子群优化支持向量机的网络态势预测模型研究[D];兰州大学;2015年

4 孟亚州;基于粒子群优化OTSU的肺组织分割算法研究[D];宁夏大学;2015年

5 郑博;基于快速排序的多目标粒子群优化算法的研究及应用[D];郑州大学;2015年

6 米永强;非线性规划问题的混合粒子群优化算法研究[D];宁夏大学;2015年

7 李建美;基于自适应变异与文化框架的混沌粒子群优化算法[D];陕西师范大学;2015年

8 刘星;基于粒子群优化算法的特征选择方法研究[D];南京大学;2015年

9 牛旭;动态粒子群优化算法及其应用[D];西安电子科技大学;2014年

10 叶华;粒子群优化算法研究[D];西安电子科技大学;2014年

，

本文编号：2528769