基于改进鱼群和K-means的混合聚类算法

被引：13

作者：

刘薇 ^{[1
]}

刘柏嵩 ^{[2
]}

王洋洋 ^{[1
]}

机构：

[1] 宁波大学信息科学与工程学院

[2] 宁波大学网络中心

来源：

计算机工程与应用 | 2013年 / 22期

关键词：

人工鱼群; K-均值; 聚类; 粒子群; 混合算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

针对传统K-means算法存在的缺陷,引进人工鱼群算法,提出了一种基于改进鱼群和K-means的混合聚类算法。聚类样本中心点初始化时,人工鱼各维参数随机选择在对应属性两个极值之间,同时为了降低计算复杂度,提高收敛效率,寻找全局最优,首先对随机选取的一小部分人工鱼进行K-means操作,然后对全体人工鱼的追尾算子引入粒子群策略,引导其学习,模拟人工鱼的行为。通过Matlab仿真实现算法,在费雪鸢尾花卉数据集和葡萄酒质量数据集进行了实验,算法的有效性和可行性得到了验证。

引用

页码：119 / 122

页数：4

共 11 条

[1]

改进人工鱼群算法及其收敛性分析 [J].