-
题名一个用于空间聚类分析的遗传K-均值算法
被引量:19
- 1
-
-
作者
王家耀
张雪萍
周海燕
-
机构
解放军信息工程大学测绘学院
-
出处
《计算机工程》
CAS
CSCD
北大核心
2006年第3期188-190,共3页
-
基金
河南省自然科学基金资助项目
河南省教育厅自然科学基金资助项目(2003520260)
河南省高校青年骨干教师基金资助项目
-
文摘
空间数据挖掘是数据挖掘的一个新的分支,空间聚类分析是空间数据挖掘中的一个重要研究课题。本文在分析遗传算法及K–均值算法的优越性和不足的基础上,设计了一种遗传K-均值空间聚类分析算法,该算法兼顾了局部收敛和全局收敛性能。实验表明,其结果优于传统K-均值聚类方法及单纯的遗传算法聚类。
-
关键词
空间数据挖掘
空间聚类
遗传算法
k-均值算法
遗传k-均值算法
-
Keywords
Spatial data mining
Spatial clustering
Genetic algorithm
k-means algorithm
Genetic k-means algorithm
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-
-
题名改进的图像分割遗传K-均值聚类算法
被引量:9
- 2
-
-
作者
周萍
-
机构
海南师范大学物理与电子工程学院
-
出处
《海军工程大学学报》
CAS
北大核心
2009年第3期75-78,共4页
-
文摘
针对图像分割,提出了一种改进的遗传K-均值聚类算法。合理选取聚类的特征向量并对各特征分量确定不同权值进行调整;通过引入自适应算法,对传统遗传算法的选择及变异操作进行改进,提高了算法的收敛速度;确定与染色体编码相关的隶属矩阵可有效地减少运算时间。实验结果表明,改进后的遗传K-均值聚类算法是行之有效的。
-
关键词
图像分割
遗传k-均值聚类算法
特征向量
选择
变异
-
Keywords
image segmentation
genetic k-means clustering algorithm
feature vector
selection
mutation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于遗传K-均值算法的LSF参数码书设计
- 3
-
-
作者
唐晖
李弼程
张连海
张文林
王晓燕
-
机构
信息工程大学信息工程学院
-
出处
《信息工程大学学报》
2007年第3期305-307,334,共4页
-
基金
国家863计划资助项目(2006AA01Z146)
-
文摘
文章提出了一种基于遗传K-均值算法的线谱频率参数(LSF)码书设计方法。该方法使用K-均值算法定义遗传操作中的交叉操作,采用训练矢量随机替换码书码字的方法进行变异操作。实验结果表明:该方法是有效的,在相同的码书尺寸下,用该量化器设计的LSF码书较传统分裂式LBG算法(初始码书由分裂法产生)设计的码书质量有所提高。
-
关键词
遗传k-均值
LSF参数
矢量量化
谱失真
-
Keywords
genetic k-means
LSF Parameter
vector quatization
spectrum distortion
-
分类号
TN919.81
[电子电信—通信与信息系统]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于软计算的资信评估研究
被引量:7
- 4
-
-
作者
朱丽
张洪伟
谭辉
-
机构
四川大学计算机学院
-
出处
《计算机应用研究》
CSCD
北大核心
2005年第5期74-77,共4页
-
文摘
提出了一种基于软计算的企业资信评估模型,它集成模糊数学和遗传算法,用快速遗传k 均值算法进行聚类。结果表明,FGKA和GKA均可得到全局最优解,但FGKA速度远高于GKA。本模型用PowerBuilder和Sybase数据库实现,为ERP中的企业资信评估提供了一个新的方案。
-
关键词
软计算
快速遗传k-均值聚类算法
模糊数学
资信评估
企业资源计划
-
Keywords
Soft Computer(SC)
Fast Genetic K means Clustering Algorithm(FGKA)
Fuzzy Mathematics
Credit Rating
Enterprise Resource Planning(ERP)
-
分类号
TP311.31
[自动化与计算机技术—计算机软件与理论]
-
-
题名结合权重因子和特征向量改进的混合聚类方法
被引量:2
- 5
-
-
作者
董跃华
郭士串
-
机构
江西理工大学信息工程学院
-
出处
《计算机应用与软件》
CSCD
2015年第11期264-268,共5页
-
基金
江西省研究生创新专项资金项目(YC2013-S198)
-
文摘
针对特征词权重表示文本时存在的局限性和遗传K-均值算子操作的低效性,首先通过特征词权重因子(WF)和特征向量结合位置权重信息的方法进行文本预处理,在此基础上通过遗传控制因子(GCF)改进遗传K-均值文本聚类算法。在个体进行交叉和变异时,使用GCF对其进行控制,并对交叉和变异概率采用自适应控制,确保了优质个体顺利进入到下一代种群。实验表明,该研究不仅对特征词分类及其权重的有效计算作出改进,还使文本聚类精度得到提高。
-
关键词
文本聚类
权重因子
特征向量
遗传控制因子
遗传k-均值
-
Keywords
Text clustering
Weighting factor
Feature vector
Genetic control factor
Genetic k-means
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名结合权重因子与特征向量改进的文本聚类算法
被引量:1
- 6
-
-
作者
董跃华
郭士串
-
机构
江西理工大学信息工程学院
-
出处
《计算机工程与设计》
北大核心
2015年第4期1051-1057,共7页
-
基金
江西省研究生创新专项基金项目(YC2013-S198)
-
文摘
为解决特征词权重表示文本时存在的局限性和遗传K-均值算子操作的低效性问题,提出一种包含文本预处理和改进算法的文本聚类方法。根据权重因子和特征向量进行文本预处理,更好体现文本间的差异性,通过遗传控制因子控制个体的交叉和变异,对交叉和变异概率采用自适应控制,确保优质个体顺利进入到下一代种群,体现遗传算法的全局优化能力和K-均值算法的高效局部搜索能力。实验结果表明,该方法使特征词分类精度得到提高,改善了文本聚类效果。
-
关键词
文本聚类
权重因子
特征向量
遗传k-均值
遗传控制因子
-
Keywords
text clustering weighting factor feature vector genetic k-means genetic control factor
-
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
-