一种基于改进型Chameleon算法的宿舍分配方法

本文基于Chameleon算法对高维度R型问题进行聚类分析,提出加权共享-变色龙算法(KSNN-Chameleon)用于改进学生宿舍分配问题。KSNN-Chameleon算法首先将学生的宿舍集通过K近邻算法稀疏化,然后采用近邻加权方式处理已稀疏化的数据集得到加权近邻图;接着对加权近邻图通过洪水覆盖法(flood-fill)和点间共享近邻相似度(SNN)进行图划分;最后KSNN-Chameleon算法采用第一截断法来快速确认数据集的分簇是否符合要求,反复划分与合并获得最终的聚类结果。实验结果证明,KSNN-Chameleon算法不仅在面对R型高维度聚类问题时仍能保证较好的稳定性与精度,且与传统Chameleon算法相比,KSNN-Chameleon的聚类精度提升了20.88%,聚类时间提升了2.73%。