| 一种基于FOA与Autoencoder改进的聚类算法 |
| |
| 引用本文： | 梁胜彬,朱斌,渠慎明.一种基于FOA与Autoencoder改进的聚类算法[J].河南大学学报(自然科学版),2020,50(1):70-79. |
| |
| 作者姓名： | 梁胜彬 朱斌 渠慎明 |
| |
| 作者单位： | 河南大学软件学院,河南开封475004,河南大学软件学院,河南开封475004,河南大学软件学院,河南开封475004;河南大学智能网络系统研究所,河南开封475004 |
| |
| 基金项目： | 河南省科技发展计划;河南省教育厅科学技术研究重点项目 |
| |
| 摘 要： | K-means算法普遍应用在数据聚类分析,然而K-means算法具有不稳定性等缺陷,缺乏有效的降维能力,面对大量高维体检数据时聚类效果不佳.针对该问题,文中提出了一种基于FOA与Autoencoder的聚类改进算法,将K-means算法和Autoencoder模型结合,使用Antoencoder进行数据降维,并采用变步长果蝇优化算法的变减步长策略对Autoencoder的权重和偏移初始化方法进行改进.该算法可提高对健康体检数据聚类分析的准确度和效率,聚类轮廓系数也大幅提升,该算法应用于居民健康状况分析、疾病预测等方面表现出了较高的效率.
|
| 关 键 词： | 聚类分析 K-means Autoencoder 果蝇优化算法 健康体检数据 |
An Improved Clustering Algorithm Based on FOA and Autoencoder |
| |
| LIANG Shengbin,ZHU Bin,QU Shenming.An Improved Clustering Algorithm Based on FOA and Autoencoder[J].Journal of Henan University(Natural Science),2020,50(1):70-79. |
| |
| Authors: | LIANG Shengbin ZHU Bin QU Shenming |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
