基于改进蜂群算法的K-means算法

被引：82

作者：

于佐军

秦欢

机构：

[1] 中国石油大学(华东)信息与控制工程学院

来源：

控制与决策 | 2018年 / 33卷 / 01期

关键词：

人工蜂群算法; 聚类算法; 算术交叉; 最佳聚类数;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TP311.13 [];

学科分类号：

140502 [人工智能];

摘要：

针对标准人工蜂群算法搜索效率低、收敛速度慢等缺点提出一种改进的人工蜂群算法.通过引入算术交叉操作以及利用最优解指导搜索方向,增加算法收敛的速度.在7个基准函数上的测试结果表明了算法的有效性.在此基础上,针对K-means算法的缺点提出基于改进蜂群算法的K-means算法,并加入自动获得最佳聚类数的功能.在人工数据集和UCI真实数据集上的测试验证了所提出算法的性能.

引用

页码：181 / 185

页数：5

共 9 条

[1]

A Novel Hybrid Data Clustering Algorithm Based on Artificial Bee Colony Algorithm and K-Means.[J].TRAN Dang Cong;WU Zhijian;WANG Zelin;DENG Changshou;.Chinese Journal of Electronics.2015, 04

[2]

基于K-means的改进人工蜂群聚类算法 [J].

曹永春 ;

蔡正琦 ;

邵亚斌 .

计算机应用, 2014, 34 (01) :204-207+217

[3]

聚类有效性评价综述 [J].

杨燕 ;

靳蕃 ;

KAMEL Mohamed .

计算机应用研究, 2008, (06) :1630-1632+1638

[4]

A new approach for data clustering using hybrid artificial bee colony algorithm.[J].Xiaohui Yan;Yunlong Zhu;Wenping Zou;Liang Wang.Neurocomputing.2012,

[5]

A Clustering Approach Using Cooperative Artificial Bee Colony Algorithm.[J].Wenping Zou;Yunlong Zhu;Hanning Chen;Xin Sui;Daniel Czamanski.Discrete Dynamics in Nature and Society.2010,

[6]

Gbest-guided artificial bee colony algorithm for numerical function optimization [J].

Zhu, Guopu ;

Kwong, Sam .

APPLIED MATHEMATICS AND COMPUTATION, 2010, 217 (07) :3166-3173

[7]

A novel clustering approach: Artificial Bee Colony (ABC) algorithm.[J].Dervis Karaboga;Celal Ozturk.Applied Soft Computing Journal.2009, 1

[8]

A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm [J].

Karaboga, Dervis ;

Basturk, Bahriye .

JOURNAL OF GLOBAL OPTIMIZATION, 2007, 39 (03) :459-471

[9]

An ant colony approach for clustering.[J].P.S Shelokar;V.K Jayaraman;B.D Kulkarni.Analytica Chimica Acta.2003, 2

← 1 →