一种自适应惯性权重的并行粒子群聚类算法

被引：14

作者：

廖子贞

罗可

周飞红

傅平

机构：

[1] 长沙理工大学计算机与通信工程学院

来源：

关键词：

聚类分析; K-均值; 遗传算法; 粒子群优化算法; 并行计算;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

针对K-means聚类算法和基于遗传(GA)的聚类算法的一些缺点,及求解实优化问题时粒子群算法优于遗传算法这一事实,提出了一种自适应惯性权重的并行粒子群聚类算法。理论分析和实验表明,该算法在收敛速度和收敛精度方面明显优于基于遗传算法的聚类方法。

引用

页码：166 / 168

页数：3

共 5 条

[1] FLOCKS, HERDS, AND SCHOOLS: A DISTRIBUTED BEHAVIORAL MODEL. [J].

Reynolds, Craig W. .

Computer Graphics (ACM), 1987, 21 (04) :25-34

[2]

并行计算.[M].陈国良编著;.高等教育出版社.2003,

[3]

用于最优化的计算智能.[M].()NirwanAnsari;()EdwinHou著;李军;边肇祺译;.清华大学出版社.1999,

[4] 基于粒子群的K均值聚类算法 [J].

刘靖明 ;

韩丽川 ;

侯立文 .

[5] 基于Java多线程技术实现的粒子群优化算法 [J].

李建勇 ;

俞欢军 ;

张丽平 ;

陈德钊 .