一种改进人工蜂群的K-medoids聚类算法

被引：9

作者：

李莲

罗可

周博翔

机构：

[1] 长沙理工大学计算机与通信工程学院

来源：

计算机工程与应用 | 2013年 / 49卷 / 16期

关键词：

聚类; 人工蜂群算法; 粒计算; K-medoids;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

针对传统K-medoids聚类算法初始聚类中心选择较敏感、聚类效率和精度较低、全局搜索能力较差以及传统蜂群算法初始蜂群和搜索步长随机选取等缺点,提出了一种基于粒子和最大最小距离法初始化蜂群和随着迭代次数增加动态调整搜索步长的人工蜂群算法,将改进的人工蜂群进一步优化K-medoids,以提高聚类算法的性能。实验结果表明:该算法降低了对噪声的敏感程度,具有较高的效率和准确率,较强的稳定性。

引用

页码：146 / 150

页数：5

共 12 条

[1] 基于粒计算的K-medoids聚类算法 [J].

马箐 ;

谢娟英 .

计算机应用, 2012, 32 (07) :1973-1977

[2] 函数优化的蜂群算法 [J].

刘勇 ;

马良 .

控制与决策 , 2012, (06) :886-890

[3] 一种基于差分演化的K-medoids聚类算法 [J].

孟颖 ;

罗可 ;

刘建华 ;

石爽 .

计算机应用研究, 2012, 29 (05) :1651-1653

[4] 推进式优化特征权重的K-中心点聚类方法 [J].

陈新泉 .

计算机工程与应用, 2011, (29) :175-181+204

[5] 一种基于粒子群的聚类算法 [J].

姚丽娟 ;

罗可 ;

孟颖 .

计算机工程与应用 , 2012, (13) :150-153+175

[6] 一种基于ACO的K-medoids聚类算法 [J].

孟颖 ;

罗可 ;

姚丽娟 ;

王琳 .

计算机工程与应用 , 2012, (16) :136-139+152

[7] 一种基于蜂群原理的划分聚类算法 [J].

刘雷 ;

王洪国 ;

邵增珍 ;

尹会娟 .

计算机应用研究, 2011, 28 (05) :1699-1702

[8] 一种高效的K-medoids聚类算法 [J].

夏宁霞 ;

苏一丹 ;

覃希 .

计算机应用研究, 2010, 27 (12) :4517-4519

[9]

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

[10] A global best artificial bee colony algorithm for global optimization [J].

Gao, Weifeng ;

Liu, Sanyang ;

Huang, Lingling .

JOURNAL OF COMPUTATIONAL AND APPLIED MATHEMATICS, 2012, 236 (11) :2741-2753

← 1 2 →