新型群智能算法在求解聚类问题上的对比研究

为更好地解决kmeans聚类算法对初始聚类中心敏感的问题,选取了最近几年比较典型的5种群智能算法,如蝙蝠算法、磷虾算法、灰狼算法、鲸鱼算法和麻雀算法等,对Kmeans算法在初始聚类中心的选择上进行优化,然后通过6个UCI中典型的数据集进行聚类仿真,并分别从算法的求解精度、稳定性、收敛速度和聚类性能等方面对比分析了各算法的性能。仿真结果表明,灰狼算法在求解聚类问题时效果最佳,能够在较短的时间内有效地对聚类中心进行优化,并且具有较高的精度和稳定性,可有效地解决kmeans算法对初始聚类中心敏感的问题。

慢性肾病预测的多目标特征选择

针对慢性肾病(chronic kidney disease,CKD)致死率高、早期症状不明显的特征,结合互信息和皮尔逊相关系数两种评价准则提出一种慢性肾病预测的多目标特征选择模型。针对慢性肾病预测,提出多目标群集智能特征选择算法MCFS,所提算法在GWO的基础上采用精英反向学习、非线性控制参数和联想记忆策略3个改进算子。仿真结果表明,所提算法对CKD的预测准确率高,筛选出与CKD紧密相关的特征子集能力强,明显优于现有的CKD预测方法和其它特征选择算法,能够为CKD早期患者提供准确可靠的辅助诊断。