期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到84篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
一种高效的K-medoids聚类算法 被引量：47
1
作者 夏宁霞 苏一丹 覃希 《计算机应用研究》 CSCD 北大核心 2010年第12期4517-4519,共3页
针对K-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进K-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实... 针对K-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进K-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实验结果表明,相对于传统的K-medoids算法,新算法可以提高聚类质量,有效缩短计算时间。 展开更多
关键词 聚类 k-medoids算法 中心微调 增量候选
下载PDF
密度峰值优化初始中心的K-medoids聚类算法 被引量：27
2
作者 谢娟英 屈亚楠 《计算机科学与探索》 CSCD 北大核心 2016年第2期230-247,共18页
针对快速K-medoids聚类算法和方差优化初始中心的K-medoids聚类算法存在需要人为给定类簇数,初始聚类中心可能位于同一类簇,或无法完全确定数据集初始类簇中心等缺陷,受密度峰值聚类算法启发,提出了两种自适应确定类簇数的K-medoids算... 针对快速K-medoids聚类算法和方差优化初始中心的K-medoids聚类算法存在需要人为给定类簇数,初始聚类中心可能位于同一类簇,或无法完全确定数据集初始类簇中心等缺陷,受密度峰值聚类算法启发,提出了两种自适应确定类簇数的K-medoids算法。算法采用样本x i的t最近邻距离之和倒数度量其局部密度ρi,并定义样本x i的新距离δi,构造样本距离相对于样本密度的决策图。局部密度较高且相距较远的样本位于决策图的右上角区域,且远离数据集的大部分样本。选择这些样本作为初始聚类中心,使得初始聚类中心位于不同类簇,并自动得到数据集类簇数。为进一步优化聚类结果,提出采用类内距离与类间距离之比作为聚类准则函数。在UCI数据集和人工模拟数据集上进行了实验测试,并对初始聚类中心、迭代次数、聚类时间、Rand指数、Jaccard系数、Adjusted Rand index和聚类准确率等经典聚类有效性评价指标进行了比较,结果表明提出的K-medoids算法能有效识别数据集的真实类簇数和合理初始类簇中心,减少聚类迭代次数,缩短聚类时间,提高聚类准确率,并对噪音数据具有很好的鲁棒性。 展开更多
关键词 聚类 k-medoids算法 初始聚类中心 密度峰值 准则函数
下载PDF
基于粒子群优化的带障碍约束空间聚类分析 被引量：11
3
作者 李晓晴 焦素敏 +2 位作者 张雪萍 朱淑琴 杜振芳 《计算机工程与设计》 CSCD 北大核心 2007年第24期5924-5927,共4页
聚类分析是空间数据挖掘的主要方法之一。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。在分析K中心聚类方法易陷入局部极小值和对初始值敏感的基础上,提出了一种新的聚类方法——基于粒... 聚类分析是空间数据挖掘的主要方法之一。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。在分析K中心聚类方法易陷入局部极小值和对初始值敏感的基础上,提出了一种新的聚类方法——基于粒子群优化的带障碍约束空间聚类方法。实验结果表明,该聚类方法不仅使得聚类结果更具实际意义,而且在全局寻优能力方面明显优于K中心聚类方法,且有较快的收敛速度。 展开更多
关键词 空澡数据挖掘 空间聚类 k中心算法 粒子群算法 障碍约束
下载PDF
一种基于差分演化的K-medoids聚类算法 被引量：11
4
作者 孟颖 罗可 +1 位作者 刘建华 石爽 《计算机应用研究》 CSCD 北大核心 2012年第5期1651-1653,共3页
针对传统的K-medoids聚类算法具有对初始聚类中心敏感、全局搜索能力差、易陷入局部最优、收敛速度缓慢等缺点,提出一种基于差分演化的K-medoids聚类算法。差分演化是一类基于种群的启发式全局搜索技术,有很强的鲁棒性。将差分演化的全... 针对传统的K-medoids聚类算法具有对初始聚类中心敏感、全局搜索能力差、易陷入局部最优、收敛速度缓慢等缺点,提出一种基于差分演化的K-medoids聚类算法。差分演化是一类基于种群的启发式全局搜索技术,有很强的鲁棒性。将差分演化的全局优化能力用于K-medoids聚类算法,有效地克服了K-medoids聚类算法的缺点,缩短了收敛时间,改善了聚类质量。通过仿真验证了此算法的稳定性和鲁棒性。 展开更多
关键词 差分演化 聚类质量 k-medoids算法 全局优化
下载PDF
蚁群K-medoids融合的聚类算法 被引量：10
5
作者 赵烨 黄泽君 《电子测量与仪器学报》 CSCD 2012年第9期800-804,共5页
蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛... 蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合。但蚁群算法消耗时间成本较大,效率较低。而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中。但需要人为确定簇数目,并对初始簇中心的依赖性较强。针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法(AKCA),该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点。实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点。 展开更多
关键词 聚类分析 蚁群算法 k-medoids算法
下载PDF
基于多核平台并行K-Medoids算法研究 被引量：9
6
作者 李静滨 杨柳 华蓓 《计算机应用研究》 CSCD 北大核心 2011年第2期498-500,共3页
分析K-Medoids算法的内在并行性,设计一个适合多核平台的并行算法,并利用OpenMP进行实验。实验结果表明,并行算法对多核环境有很好的适应性,在双核及四核计算机上均获得了较好的加速比与运行效率。
关键词 多核 k-medoids算法 并行算法 OPENMP
下载PDF
失稳模态识别方法及其在动态安全域中的运用 被引量：9
7
作者 闵亮 余贻鑫 +1 位作者 Stephen T Lee Pei Zhang 《电力系统自动化》 EI CSCD 北大核心 2004年第11期28-32,共5页
提出了一种快速识别初始运行点附近失稳模态的方法,该方法基于大量计算观察到的初始运行点附近不同运行点注入下模型的可达性格纳姆矩阵元素近乎不变的性质,将基于K-中心点算法的同调识别和初加速度法相结合,快速识别初始运行点附近的... 提出了一种快速识别初始运行点附近失稳模态的方法,该方法基于大量计算观察到的初始运行点附近不同运行点注入下模型的可达性格纳姆矩阵元素近乎不变的性质,将基于K-中心点算法的同调识别和初加速度法相结合,快速识别初始运行点附近的失稳模态,为实用动态安全域(PDSR)直接法提供了临界点搜索建议,改善了PDSR法。该方法的有效性在New England 10机39节点系统得到了验证。 展开更多
关键词 实用动态安全域 可达性格纳姆矩阵 k-中心点算法 同调识别 失稳模态
下载PDF
基于遗传模拟退火算法的改进K-medoids算法 被引量：9
8
作者 韩啸 刘淑芬 徐天琦 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2015年第2期619-623,共5页
针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,... 针对标准K-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的K-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准K-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准K-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。 展开更多
关键词 计算机应用 聚类 k-medoids算法 遗传模拟退火算法
下载PDF
一种基于ACO的K-medoids聚类算法 被引量：9
9
作者 孟颖 罗可 +1 位作者 姚丽娟 王琳 《计算机工程与应用》 CSCD 2012年第16期136-139,152,共5页
K-medoids算法作为聚类算法的一种,不易受极端数据的影响,适应性广泛,但是K-medoids聚类算法的精确度不稳定,平均准确率较低,用于实际的聚类分析时效果较差。ACO是一种仿生优化算法,其具有很强的健壮性,容易与其他方法相结合,求解效率... K-medoids算法作为聚类算法的一种,不易受极端数据的影响,适应性广泛,但是K-medoids聚类算法的精确度不稳定,平均准确率较低,用于实际的聚类分析时效果较差。ACO是一种仿生优化算法,其具有很强的健壮性,容易与其他方法相结合,求解效率高等特点。在K-medoids聚类算法的基础上,借鉴ACO算法的优点,提出了一种新的聚类算法,它提高了聚类的准确率,算法的稳定性也比较高。通过仿真实验,验证了算法的可行性和先进性。 展开更多
关键词 蚁群优化算法(ACO) 聚类分析 k-medoids算法
下载PDF
精英遗传K-medoids聚类算法 被引量：8
10
作者 宋飞豹 贾瑞玉 《计算机工程与应用》 CSCD 北大核心 2018年第22期144-149,共6页
针对K-medoids算法易陷入局部最优和聚类结果不稳定的问题,提出了一种精英遗传K-medoids聚类算法。该算法使用精英策略来控制遗传操作的整体进化方向;根据种群的平均适应度引入若干随机个体来提高种群多样性,从而在一定程度上减少了遗... 针对K-medoids算法易陷入局部最优和聚类结果不稳定的问题,提出了一种精英遗传K-medoids聚类算法。该算法使用精英策略来控制遗传操作的整体进化方向;根据种群的平均适应度引入若干随机个体来提高种群多样性,从而在一定程度上减少了遗传算法的早熟现象。为了提高进化效率,该算法设计出一种新的交叉方式;为了保证交叉变异结果的优秀性,该算法引入了一种竞争机制。8个数据集的仿真实验表明,该算法在提高聚类准确率的同时,聚类结果的稳定性也有所提高。 展开更多
关键词 遗传算法 精英策略 k-medoids算法 聚类分析
下载PDF
基于聚类划分与双向LSTM网络的台区线损率计算 被引量：7
11
作者 王鹏 白玉岭 +3 位作者 王林梅 陈一鸣 高挺 孙杰 《电子器件》 CAS 北大核心 2022年第4期964-969,共6页
在低压台区中,由于分支线路复杂,节点多,量测点少,台账数据不完整,理论线损率计算困难。提出了一种基于聚类划分与双向LSTM网络的台区线损率计算方法。首先,基于城农网标识、户均容量、运行年限等影响线损率的台区静态参数特征,采用K-me... 在低压台区中,由于分支线路复杂,节点多,量测点少,台账数据不完整,理论线损率计算困难。提出了一种基于聚类划分与双向LSTM网络的台区线损率计算方法。首先,基于城农网标识、户均容量、运行年限等影响线损率的台区静态参数特征,采用K-medoids聚类算法将台区划分为不同类别;接着,基于台区静态参数特征以及负载率、三相不平衡度、环境温度等台区运行参数特征,采用双向LSTM网络构建每一类台区的线损率计算模型;最后,基于该模型开展台区线损率理论值计算。以某公司28167个台区样本数据进行仿真计算,结果验证了所提算法的准确性明显优于支持向量机与回归树算法的准确性。 展开更多
关键词 低压台区 线损率 静态参数 运行参数 k-medoids聚类算法 双向LSTM网络
下载PDF
粒子群K-Medoids带障碍约束空间聚类分析研究 被引量：6
12
作者 张雪萍 王家耀 +1 位作者 范中山 邓高峰 《小型微型计算机系统》 CSCD 北大核心 2009年第10期2025-2029,共5页
空间聚类分析是空间数据挖掘研究领域中的一个重要研究课题.传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性.本文在分析粒子群优化算法和划分算法的基础上,研究一种基于粒子群和划分相结合的... 空间聚类分析是空间数据挖掘研究领域中的一个重要研究课题.传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性.本文在分析粒子群优化算法和划分算法的基础上,研究一种基于粒子群和划分相结合的带障碍约束空间聚类分析方法,设计了一个粒子群K-Medoids带障碍约束空间聚类分析算法.对比实验表明,该方法不仅兼顾了局部收敛和全局收敛性能,又充分考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具实际意义.与遗传K-Medoids带障碍约束空间聚类分析相比,该方法具有更好的可伸缩性,且所需输入的参数相对较少,更适合于对聚类速度要求较高的动态约束条件场合. 展开更多
关键词 空间聚类 k-medoids算法 粒子群优化算法 障碍约束
下载PDF
加工中心主轴关键热敏感点选取与热误差预测
13
作者 田春苗 季泽平 +2 位作者 郭世杰 唐术锋 乔冠 《组合机床与自动化加工技术》 北大核心 2024年第2期169-174,181,共7页
为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用K-medoids算法对温度测点进行聚类分组,使用灰... 为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用K-medoids算法对温度测点进行聚类分组,使用灰色关联度分析方法计算温度与主轴热误差之间的相关程度,进而提取出最佳热敏感点;其次,引入调节因子优化ABC算法的寻优过程,使用改进后的ABC网络确定GRNN网络的最佳参数及光滑因子;最后,以三轴数控加工中心为研究对象,进行温度数据与热误差数据的采集,建立基于ABC-GRNN热误差预测模型并与优化前进行比较。热误差实验结果表明,K-medoids算法与灰色关联分析相结合,有效避免了温度测点之间的多重共线性;ABC-GRNN模型可以更准确地预测出主轴各项误差值。 展开更多
关键词 数控机床 主轴热误差 k-medoids算法 热误差预测 ABC-GRNN模型
下载PDF
大电网互联格局下的解列断面双阶段搜索方法 被引量：6
14
作者 廖清芬 王乙斐 +3 位作者 唐飞 杨健 刘涤尘 查晓明 《高电压技术》 EI CAS CSCD 北大核心 2015年第3期739-746,共8页
针对大区互联电网受扰失稳后应及时进行解列的问题,提出了一种解列断面双阶段搜索方法。首先,基于有功对相角的灵敏度计算各母线节点之间的电气距离,利用K-medoids算法对互联电网进行预分区,再将子区域进行聚合,得到互联电网的初始简化... 针对大区互联电网受扰失稳后应及时进行解列的问题,提出了一种解列断面双阶段搜索方法。首先,基于有功对相角的灵敏度计算各母线节点之间的电气距离,利用K-medoids算法对互联电网进行预分区,再将子区域进行聚合,得到互联电网的初始简化结构图;然后,构建主动解列断面搜索的数学模型,设置有功不平衡功率最小的目标函数及约束条件;最后,利用改进的蚁群算法求解最优解列断面。结果表明所提出的双阶段解列断面搜索方法在不丢失可行解的情况下可将IEEE 118节点算例和某实际大电网算例分别简化为20节点与310节点的系统,并在不平衡功率分别为1.01 MW和189.1 MW搜索到了解列断面,总过程耗时分别为0.21 s与4.35 s,满足了解列搜索过程所要求的快速性与有效性。 展开更多
关键词 解列断面搜索 电气距离 k-medoids算法 电力系统 改进蚁群算法 化简
下载PDF
带障碍约束的遗传K中心空间聚类分析 被引量：5
15
作者 张雪萍 王家耀 《计算机工程》 CAS CSCD 北大核心 2007年第4期168-170,共3页
空间聚类分析是空间数据挖掘中的一个重要研究课题。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。讨论了带障碍约束的空间聚类问题,研究了一种基于遗传和划分相结合的带障碍约束空间数据... 空间聚类分析是空间数据挖掘中的一个重要研究课题。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。讨论了带障碍约束的空间聚类问题,研究了一种基于遗传和划分相结合的带障碍约束空间数据聚类分析方法,设计了一个带障碍约束的遗传K中心空间聚类分析算法。对比实验表明,该方法兼顾了局部收敛和全局收敛性能,考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具有实际意义,其结果优于传统K中心聚类及单纯的遗传聚类,不足之处是其计算速度相对较慢。 展开更多
关键词 空间数据挖掘 空间聚类 遗传算法 k中心算法 障碍约束
下载PDF
基于MapReduce的改进K-Medoids并行算法 被引量：5
16
作者 李静滨 杨柳 陈宁江 《广西大学学报（自然科学版）》 CAS 北大核心 2014年第2期341-345,共5页
K-Medoids算法具有不同层次的并行性,计算粒度不同对并行算法效率有较大影响。基于K-Medoids的并行计算特点,提出了一个改进的K-Medoids并行算法,该算法基于MapReduce模型,通过适当增加计算粒度,降低了通信消耗占比。实验结果表明,改进... K-Medoids算法具有不同层次的并行性,计算粒度不同对并行算法效率有较大影响。基于K-Medoids的并行计算特点,提出了一个改进的K-Medoids并行算法,该算法基于MapReduce模型,通过适当增加计算粒度,降低了通信消耗占比。实验结果表明,改进的并行算法与其他已有算法相比,加速比与运行效率有显著提高。 展开更多
关键词 k-medoids算法 并行算法 计算粒度
下载PDF
基于密度权重的优化差分隐私K-medoids聚类算法 被引量：1
17
作者 王圣节 巫朝霞 《智能计算机与应用》 2023年第5期126-130,139,共6页
K-medoids算法作为数据挖掘中重要的一种聚类算法,与差分隐私保护的结合有助于信息数据的安全,原有的基于差分隐私保护的K-medoids聚类算法在初始中心点的选择上仍然具有盲目性和随机性,在一定程度上降低了聚类效果。本文针对这一问题... K-medoids算法作为数据挖掘中重要的一种聚类算法,与差分隐私保护的结合有助于信息数据的安全,原有的基于差分隐私保护的K-medoids聚类算法在初始中心点的选择上仍然具有盲目性和随机性,在一定程度上降低了聚类效果。本文针对这一问题提出一种基于密度权重的优化差分隐私K-medoids(DWDPK-medoids)聚类算法,通过引入数据密度权重知识,确定算法的初始中心点和聚类数,以提高聚类效果和稳定性。安全性分析表明,算法满足ε-差分隐私保护;通过对UCI真实数据集的仿真实验表明,相同隐私预算下该算法比DPK-medoids具有更好的聚类效果和稳定性。 展开更多
关键词 数据挖掘 差分隐私 k-medoids算法 密度权重
下载PDF
基于优化粒计算下微粒子动态搜索的K-medoids聚类算法 被引量：5
18
作者 宋红海 颜宏文 《智能计算机与应用》 2016年第2期9-13,共5页
K-medoids算法具有对初始聚类中心敏感,聚类准确度不高及时间复杂度大的缺点。基于此,文中提出一种优化的K-medoids算法;该算法在已有的粒计算初始化基础上进行了改进,以对象之间的相似性作为判断依据,结合最大最小法初始化聚类中心,能... K-medoids算法具有对初始聚类中心敏感,聚类准确度不高及时间复杂度大的缺点。基于此,文中提出一种优化的K-medoids算法;该算法在已有的粒计算初始化基础上进行了改进,以对象之间的相似性作为判断依据,结合最大最小法初始化聚类中心,能有效地获取最佳或近似最佳的聚类中心;在优化的粒计算前提下,提出了基于微粒子动态搜索策略,以初始中心点作为基点,粒子内所有对象到其中心的平均距离为半径,形成一个微粒子;在微粒子内部,采用离中心点先近后远的原则进行搜索,能有效地缩小搜索范围,提高聚类准确率。实验结果表明:在UCI多个标准数据集中测试,且与其他改进的K-medoids算法比较分析,该算法在有效缩短收敛时间的同时保证了算法聚类准确率。 展开更多
关键词 聚类 k-medoids算法 粒计算 相似性 微粒子动态搜索
下载PDF
基于优化人工鱼群算法的混合聚类研究 被引量：5
19
作者 田琳 田力威 刘启文 《计算机工程与设计》 CSCD 北大核心 2014年第3期1041-1045,共5页
为了提高混合聚类算法的准确率,提出基于优化人工鱼群算法的混合聚类算法。引入人工鱼群算法,辅以鲁棒性更强的K中心点算法优化了混合聚类方法的聚集效果。通过对人工鱼的行为和参数进行改善,避免了聚类效果易受离群点影响的问题,对理... 为了提高混合聚类算法的准确率,提出基于优化人工鱼群算法的混合聚类算法。引入人工鱼群算法,辅以鲁棒性更强的K中心点算法优化了混合聚类方法的聚集效果。通过对人工鱼的行为和参数进行改善,避免了聚类效果易受离群点影响的问题,对理噪声数据的处理更好。结合K-中心点算法与人工鱼群算法的优势,解决了聚类算法初值依赖性,克服了鱼群算法后期迭代速度慢问题。仿真结果表明,该算法全局优化性能稳定,收敛速度加快,聚类效果明显提高,获得了较优的中心点与清晰地聚类划分。 展开更多
关键词 混合聚类 人工鱼群算法 优化参数 k-中心点算法 聚类效果
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
使用帮助 返回顶部