基于计算智能的聚类算法

被引:3
作者
马金亮
成新明
机构
[1] 中南大学信息科学与工程学院
基金
湖南省自然科学基金;
关键词
聚类; 自组织特征映射; 遗传算法; 蚁群算法;
D O I
暂无
中图分类号
TP301.6 [算法理论];
学科分类号
081202 ;
摘要
近年来数据挖掘领域中的聚类和人工智能领域的计算智能都有长足的进步和发展。计算智能自组织、自学习的特性为聚类问题的解决提供了一个有效的途径。当前基于计算智能的聚类算法主要包括:基于神经网络的聚类算法、基于遗传算法的聚类算法和基于蚁群算法的聚类算法。本文针对以上算法进行了阐述,详细说明了算法思想、关键技术和优缺点,并提出了有待进一步研究的问题。
引用
收藏
页码:32 / 35
页数:4
相关论文
共 9 条
[1]   基于SOM聚类的数据挖掘方法及其应用研究 [J].
杨黎刚 ;
苏宏业 ;
张英 ;
褚健 .
计算机工程与科学, 2007, (08) :133-136
[2]   利用自组织特征映射神经网络进行可视化聚类 [J].
白耀辉 ;
陈明 .
计算机仿真, 2006, (01) :180-183
[3]   一种利用信息熵的群体智能聚类算法 [J].
刘波 .
计算机工程与应用, 2004, (35) :180-182
[4]   基于遗传算法的聚类分析 [J].
傅景广 ;
许刚 ;
王裕国 .
计算机工程, 2004, (04) :122-124
[5]   蚁群优化算法及其应用研究进展 [J].
李士勇 .
计算机测量与控制, 2003, (12) :911-913+917
[6]   基于并行多种群自适应蚁群算法的聚类分析 [J].
高坚 .
计算机工程与应用, 2003, (25) :78-79+82
[7]   SOM算法、LVQ算法及其变体综述 [J].
张敏灵 ;
陈兆乾 ;
周志华 .
计算机科学, 2002, (07) :97-100
[8]  
遗传算法原理及应用[M]. 国防工业出版社 , 周明,孙树栋编著, 1999
[9]  
An ant colony approach for clustering. PS Shelokar,VK Jayaraman,BD Kulkarni. Analytica Chimica Acta . 2004