|
|||||
|
|
| 一种融合K-means算法和人工鱼群算法的聚类方法 | |
| 作者单位： | ;1.江南大学物联网工程学院;2.轻工过程先进控制教育部重点实验室 |
| 摘 要： | 针对K-means易收敛于局部最优以及对初始值敏感和人工鱼群算法收敛速度快,对初始值不敏感及自组织行为的问题,提出一种K-means和人工鱼群算法融合的聚类方法。该算法先将标准人工鱼群算法用自适应策略加以改进,即在人工鱼群算法早期迭代中使用固定视野,随着迭代次数的增加,采用自适应减少的视野值。在此基础上将K-means算法融入到改进的人工鱼群算法中人工鱼中,随机产生的部分人工鱼在每次完成人工鱼群算法的迭代后,进行一次K-means算法的迭代。实验结果证明融合后的新算法明显地优于粒子群优化(PSO)、K-means及改进的人工鱼群算法(IAFSA),它将有效地被应用于数据聚类中。 |
| 关 键 词： | K-means 人工鱼群算法 自组织行为 自适应策略 粒子群优化 |
A NEW CLUSTERING METHOD COMBINING K-MEANS AND ARTIFICIAL FISH SWARM |
|
| Abstract: | |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ | |
