一种新的K-Means蚁群聚类算法

被引：7

作者：

莫锦萍

陈琴

马琳

苏一丹

机构：

[1] 广西大学计算机与电子信息学院

来源：

广西科学院学报 | 2008年 / 24卷 / 04期

关键词：

聚类; 蚁群算法; K-平均算法;

D O I：

10.13657/j.cnki.gxkxyxb.2008.04.015

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对蚁群聚类算法聚类质量不高的原因,使用K-M eans算法改进蚁群聚类规则,提出一种新的K-M eans蚁群聚类算法(KM-A n tC lust),并通过实验验证新算法的聚类效果。实验结果表明,新的算法可以明显提高聚类质量。

引用

页码：284 / 286

页数：3

共 7 条

[1]

Some Methods for Classification andAnalysis of Multivariate Observations. MacQueen,J. Proceedingsof the 5th Berkeley Symposium on MathematicalStatistics and Probability . 1967

[2]

Web sessions clustering with artificial ants colonies.. Nicolas Labroche,Nicolas Monmarché,Gilles Venturini. http://www.hant.i.univtours fr/webhant/pub/LabMonVen03a.www.pdf . 2006

[3]

AntClust:ant clustering and web usage ming. Nicolas Labroche,Nicolas Monmarché,Gilles Venturini. Genetic and Evolutionary Computation . 2003

[4]

Fuzzy ants as aclustering concept. Parag M Kanade,Lawrence O Hall. proc of the 22nd InternationalConference of the North American Fuzzy InformationProcessing Society . 2003

[5]

Clustering ensemble using swarm intelligence. Yang Y,Kamel M. IEEE swarm intelligence symposium . 2003

[6]

A new clustering algorithm based on the chemical recognition system of ants. N.Labroche,N.Monmarche,G.Venturini. proc.of 15 th European Conference on Artificial Intelligence . 2002

[7]

Finding Groups in Data:An Introduction to Cluster Analysis. Kaufman J,Rousseeuw P J. . 1990

← 1 →