粒子群聚类算法综述

被引：25

作者：

李峻金 ^{[1
]}

向阳 ^{[1
]}

芦英明 ^{[2
]}

吴朔桐 ^{[3
]}

机构：

[1] 西安通信学院

[2] 中国特种车辆研究所

[3] 中国人民解放军部队

来源：

计算机应用研究 | 2009年 / 26卷 / 12期

关键词：

聚类分析; 群智能; 粒子群优化算法;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

081202 ;

摘要：

聚类分析是数据挖掘的重要技术之一,它能够通过无监督的学习过程发现隐藏的模式,具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍,对几种主要的粒子群聚类算法的基本原理及其特点进行了总结,并分析比较了它们的优点和不足,概述了粒子群聚类算法的常见应用领域;最后探讨了粒子群聚类算法进一步的研究方向。

引用

收藏

页码：4423 / 4427

页数：5

相关论文

共 14 条

[1] 基于免疫粒子群的K均值聚类算法 [J].

王纯杰 ;

董小刚 ;

刁心薇 .

广西师范大学学报(自然科学版), 2008, (03) :165-168

[2] 免疫接种粒子群的聚类算法 [J].

郑晓鸣 ;

吕士颖 ;

王晓东 .

电子科技大学学报, 2007, (06) :1264-1267

[3] 基于免疫粒子群优化的模糊C均值聚类算法 [J].

韩琳 ;

贺兴时 .

西安工程科技学院学报, 2007, (03) :355-361

[4] 基于AQPSO的数据聚类 [J].

唐槐璐 ;

须文波 ;

龙海侠 .

计算机工程与应用 , 2007, (10) :186-188+198

[5] 基于QPSO的数据聚类 [J].

龙海侠 ;

须文波 ;

孙俊 .

计算机应用研究, 2006, (12) :40-42+45

[6] 群智能理论及应用研究 [J].

冯静 ;

舒宁 .

计算机工程与应用, 2006, (17) :31-34

[7] 免疫粒子群优化算法 [J].

高鹰 ;

谢胜利 .

计算机工程与应用, 2004, (06) :4-6+33

[8]

群智能算法及其应用[M]. 中国水利水电出版社 , 高尚,杨静宇著, 2006

[9]

数据挖掘原理与算法[M]. 清华大学出版社 , 毛国君等编著, 2005

[10] Combinatorial particle swarm optimization (CPSO) for partitional clustering problem [J].

Jarboui, B. ;

Cheikh, M. ;

Siarry, P. ;

Rebai, A. .

APPLIED MATHEMATICS AND COMPUTATION, 2007, 192 (02) :337-345