基于改进粒子群算法的聚类算法被引量：31

Clustering Algorithm Based on Improved Particle Swarm Optimization

下载PDF

导出

摘要 K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一.但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解.在分析K-均值算法和粒子群算法的基础上,提出了一种基于改进的粒子群算法的聚类算法.该算法将局部搜索能力强的K均值算法和全局搜索能力强的粒子群算法结合,提高了K均值算法的局部搜索能力、加快了收敛速度,有效地阻止了早熟现象的发生.实验表明该聚类算法有更好的收敛效果. K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一.但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解.在分析K-均值算法和粒子群算法的基础上,提出了一种基于改进的粒子群算法的聚类算法.该算法将局部搜索能力强的K均值算法和全局搜索能力强的粒子群算法结合,提高了K均值算法的局部搜索能力、加快了收敛速度,有效地阻止了早熟现象的发生.实验表明该聚类算法有更好的收敛效果.

作者陈小全张继红

机构地区交通运输部管理干部学院计算机系

出处《计算机研究与发展》 EI CSCD 北大核心 2012年第S1期287-291,共5页 Journal of Computer Research and Development

关键词聚类分析 K-均值算法粒子群算法收敛速度全局最优 clustering analysis K-mean PSO convergence rate global optimum

分类号 TP3 [自动化与计算机技术—计算机科学与技术]

引文网络
相关文献

参考文献3

1孙洋,罗可.基于该粒子群算法的聚类算法[J].计算机工程与应用,2009,45(33):132-134. 被引量：7
2梁吉业,白亮,曹付元.基于新的距离度量的K-Modes聚类算法[J].计算机研究与发展,2010,47(10):1749-1755. 被引量：45
3倪巍伟,孙志挥,陆介平.k-LDCHD——高维空间k邻域局部密度聚类算法[J].计算机研究与发展,2005,42(5):784-791. 被引量：18

二级参考文献48

1张雷,李人厚.人工免疫C-均值聚类算法[J].西安交通大学学报,2005,39(8):836-839. 被引量：17
2刘向东,沙秋夫,刘勇奎,段晓东.基于粒子群优化算法的聚类分析[J].计算机工程,2006,32(6):201-202. 被引量：26
3陈宗海,文锋,聂建斌,吴晓曙.基于节点生长k-均值聚类算法的强化学习方法[J].计算机研究与发展,2006,43(4):661-666. 被引量：13
4高尚,杨静宇.一种新的基于粒子群算法的聚类方法[J].南京航空航天大学学报,2006,38(B07):62-65. 被引量：12
5寇保华,杨涛,张晓今,张青斌,刘巍,葛健全.基于交叉变异的混合粒子群优化算法[J].计算机工程与应用,2007,43(17):85-88. 被引量：9
6HAN Jia-wei,KAMBER M.数据挖掘:概念与技术[M].北京:机械工业出版社,2007.
7Kennedy J,Eberhart R C,Shi Y.Swarm intelligence[M].SanFrancisco: Morgan Kaufman Publisher, 2001.
8海风吹.蚁群算法,PSO算法以及两种算法可以融合的几种方法[DB/OL].(2008-5-20).http://www.cnblogs.com/hetonghai/archive/2008/04/09/1144145.html.
9Eberhart R C,Shi Yu-hui.Particle swarm optimization:Developments,applications and resources[C]//Proceedings of the IEEE Congress on Evolutionary Computation.Piscataway,NJ:IEEE Service Center,2001:81-86.
10Han Jiawei,Kamber M.Data Mining Concepts and Techniques[M].San Francisco:Morgan Kaufmann,2001.

共引文献67

1薛万宇,谢从华,陆虎,袁林.基于密度聚类的医学图像分割及其局部特征提取[J].医疗设备信息,2006,21(10):88-90. 被引量：1
2倪巍伟,陆介平,陈耿,孙志挥.基于k均值分区的流数据高效密度聚类算法[J].小型微型计算机系统,2007,28(1):83-87. 被引量：8
3胡学钢,王东波,吴共庆.一种基于层次树的高效密度聚类算法[J].合肥工业大学学报（自然科学版）,2008,31(2):187-190. 被引量：4
4樊明辉,林甲祥.一种新的考虑空间实体约束的空间聚类算法[J].福建电脑,2008,24(9):69-71.
5倪巍伟,陈耿,吴英杰,孙志挥.一种基于局部密度的分布式聚类挖掘算法[J].软件学报,2008,19(9):2339-2348. 被引量：19
6倪巍伟,徐立臻,崇志宏,吴英杰,刘腾腾,孙志挥.基于邻域属性熵的隐私保护数据干扰方法[J].计算机研究与发展,2009,46(3):498-504. 被引量：16
7刘铭,王晓龙,刘远超.一种大规模高维数据快速聚类算法[J].自动化学报,2009,35(7):859-866. 被引量：18
8武佳薇,李雄飞,孙涛,李巍.邻域平衡密度聚类算法[J].计算机研究与发展,2010,47(6):1044-1052. 被引量：22
9党小超,郝占军,王筱娟.基于簇连接度聚类算法的入侵检测[J].计算机工程与应用,2010,46(21):82-85. 被引量：1
10李洪兵,余成波,闫俊辉,李彦林.基于改进粒子群聚类的无线传感器网络能量均衡分簇策略[J].计算机应用研究,2011,28(2):657-660. 被引量：12

同被引文献340

1刘繁明,屈昊.ICP算法的鲁棒性改进[J].仪器仪表学报,2004,25(z1):603-605. 被引量：5
2李志宇,史浩山.一种负载均衡的无线传感器网络自适应分簇算法[J].西北工业大学学报,2009,27(6):822-826. 被引量：11
3徐辉,李石君.一种整合粒子群优化和K-均值的数据聚类算法[J].山西大学学报（自然科学版）,2011,34(4):518-523. 被引量：9
4吕业,杨慧中,雷瑜,陶洪峰.基于环路能量聚类的多模型软测量建模[J].化工自动化及仪表,2012,39(11):1409-1413. 被引量：2
5崔逊学,周强,方震.基于三圆交集的二值传感器网络目标跟踪快速算法[J].计算机研究与发展,2011,48(S2):21-27. 被引量：1
6胡晓敏.无线传感器网络Agent数据分流策略[J].新型工业化,2013,2(4):103-112. 被引量：18
7叶志伟,尹宇洁,王明威,赵伟.一种基于杜鹃搜索算法的聚类分析方法[J].微电子学与计算机,2015,32(5):104-110. 被引量：6
8林作铨,牟克典,韩庆.基于未知扰动的冲突证据合成方法[J].软件学报,2004,15(8):1150-1156. 被引量：27
9高尚,韩斌,吴小俊,杨静宇.求解旅行商问题的混合粒子群优化算法[J].控制与决策,2004,19(11):1286-1289. 被引量：73
10杨明,董斌,王宏,张钹,Helder Araújo.基于激光雷达的移动机器人实时位姿估计方法研究[J].自动化学报,2004,30(5):679-687. 被引量：11

引证文献31

1徐树民,冷大光.高档电解铜箔研究及产业化[J].材料导报,2000,14(5):6-7.
2穆瑞辉,苗国义.基于粒子群优化的模糊K-Means目标分类算法[J].计算机测量与控制,2013,21(5):1266-1268. 被引量：7
3王洪波.物联网信息融合技术及存在的问题研究[J].计算机应用研究,2013,30(8):2252-2255. 被引量：9
4谢秀华,李陶深.一种基于改进PSO的K-means优化聚类算法[J].计算机技术与发展,2014,24(2):34-38. 被引量：26
5温凤文,王洪春.基于邻域影响的改进粒子群算法的聚类算法[J].重庆师范大学学报（自然科学版）,2014,31(2):59-62. 被引量：1
6罗恩韬,胡志刚,杨杰.大数据动态安全SAT双向防御模型的研究[J].计算机应用研究,2014,31(5):1470-1474. 被引量：7
7莫愿斌,马彦追,郑巧燕.一种协作的萤火虫算法在聚类问题上的应用[J].化工自动化及仪表,2014,41(3):238-242. 被引量：3
8刘甲甲,王凯,袁建英,江晓亮,李柏林.铁路扣件图像检测中的RBF-SVM模型优化[J].计算机工程与应用,2014,50(15):30-33. 被引量：4
9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,2014,31(12):3550-3552. 被引量：7
10陈小辉,张功萱.基于信息熵的符号属性精确赋权聚类方法[J].重庆邮电大学学报（自然科学版）,2014,26(6):850-855. 被引量：4

二级引证文献182

1郑洪清.改进的蝴蝶优化聚类算法[J].计算机系统应用,2020(10):217-221. 被引量：2
2郑帅,吕芳.模糊K-means算法在临床路径决策中的应用[J].辽宁师专学报（自然科学版）,2019,21(3):81-88. 被引量：3
3韩建英,陈德兴.清热解毒复方的作用探讨[J].中成药,2000,22(4):316-318. 被引量：6
4丁盛.基于辅助模型和数据滤波的伪线性回归系统参数估计方法[J].计算机应用,2014,34(1):236-238. 被引量：2
5谢雪莲,李兰友.基于云计算的并行K-means聚类算法研究[J].计算机测量与控制,2014,22(5):1510-1512. 被引量：21
6赵广晔.物联网构建中的成本研究[J].中国电子商务,2014(9):53-53. 被引量：1
7陈臣.基于大数据的图书馆个性化服务安全体系构建研究[J].新世纪图书馆,2014(11):47-51. 被引量：24
8陈臣.大数据环境下数字图书馆安全威胁与对策研究[J].图书馆工作与研究,2014(11):34-38. 被引量：41
9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,2014,31(12):3550-3552. 被引量：7
10许迪,徐连诚,任敏.基于改进混沌粒子群的特征提取方法[J].计算机工程与设计,2015,36(4):952-955. 被引量：2

1孙洋,罗可.基于该粒子群算法的聚类算法[J].计算机工程与应用,2009,45(33):132-134. 被引量：7
2刘向东,沙秋夫,刘勇奎,段晓东.基于粒子群优化算法的聚类分析[J].计算机工程,2006,32(6):201-202. 被引量：26
3韩晓慧,王联国.一种基于改进混合蛙跳的聚类算法[J].传感器与微系统,2012,31(4):137-139. 被引量：6
4王赛芳,戴芳,王万斌,张晓宇.基于初始聚类中心优化的K-均值算法[J].计算机工程与科学,2010,32(10):105-107. 被引量：24
5傅景广,许刚,王裕国.基于遗传算法的聚类分析[J].计算机工程,2004,30(4):122-124. 被引量：49
6王汉芝,刘振全.一种新的确定K-均值算法初始聚类中心的方法[J].天津科技大学学报,2005,20(4):76-79. 被引量：9
7陶红,周永梅,高尚.一种基于语义相似度的群智能文本聚类的新方法[J].计算机应用研究,2012,29(2):482-484. 被引量：3
8高尚,汤可宗,杨静宇.一种新的基于混合蚁群算法的聚类方法[J].微电子学与计算机,2006,23(12):38-40. 被引量：17
9王振明,王保保.基于Gabor滤波器医学图像的纹理分割[J].电子科技,2010,23(10):104-106.
10曾妍,白俊敏.基于RFID技术的档案管理应用研究[J].兵器试验,2014,0(6):13-14.

计算机研究与发展

2012年第S1期

浏览历史

内容加载中请稍等...

基于改进粒子群算法的聚类算法被引量：31

参考文献3

二级参考文献48

共引文献67

同被引文献340

引证文献31

二级引证文献182

相关作者

相关机构

相关主题

浏览历史

基于改进粒子群算法的聚类算法 被引量：31

参考文献3

二级参考文献48

共引文献67

同被引文献340

引证文献31

二级引证文献182

相关作者

相关机构

相关主题

浏览历史

基于改进粒子群算法的聚类算法被引量：31