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6篇文章
< 1 >
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：
一种结合粒子群和粗糙集的聚类算法 被引量：3
1
作者 张丹丹 罗可 《小型微型计算机系统》 CSCD 北大核心 2016年第9期2040-2045,共6页
针对传统K-means算法过度依赖初始聚类中心、易陷入局部最优、不能处理边界对象及聚类精度低等问题,提出一种结合粒子群和粗糙集的聚类算法.此算法首先利用密度和最大距离积法初始化粒子群;然后采用线性递减与随机分布相结合的惯性权重... 针对传统K-means算法过度依赖初始聚类中心、易陷入局部最优、不能处理边界对象及聚类精度低等问题,提出一种结合粒子群和粗糙集的聚类算法.此算法首先利用密度和最大距离积法初始化粒子群;然后采用线性递减与随机分布相结合的惯性权重、动态调整的学习因子和引入的随机粒子来避免陷入局部极值,使算法快速收敛于全局最优;最后结合粒子群和粗糙集来优化K-means算法.通过对几个常用UCI标准数据集的仿真实验表明,提出的算法不仅能减少对初始聚类中心的依赖、有效抑制局部收敛,而且聚类准确率更高,稳定性更强. 展开更多
关键词 K—means算法 粒子群 粗糙集 最大距离积法 随机粒子
下载PDF
基于最大距离积与最小距离和协同K聚类算法 被引量：15
2
作者 邹臣嵩 杨宇 《计算机应用与软件》 北大核心 2018年第5期297-301,327,共6页
提出一种基于最大距离积与最小距离之和的协同K聚类改进算法,解决了传统K-means算法聚类结果随机性大、稳定性差,以及最大距离乘积法迭代次数多、运算耗时长等问题。该算法首先通过样本的分布情况计算其密度参数,进而构建高密度点集合,... 提出一种基于最大距离积与最小距离之和的协同K聚类改进算法,解决了传统K-means算法聚类结果随机性大、稳定性差,以及最大距离乘积法迭代次数多、运算耗时长等问题。该算法首先通过样本的分布情况计算其密度参数,进而构建高密度点集合,在此基础上将距离样本集中心最远的高密度对象作为第一个初始聚类中心,再通过最大距离乘积法求得其余初始聚类中心;在簇中心更新过程中,选取与簇内样本距离之和最小的数据对象作为簇中心,再将其他数据对象按最小距离划分到相应簇中,从而实现聚类。在UCI数据集上的实验结果表明,与其他两种改进算法以及K-means算法相比,新提出的协同K聚类算法具有更快的收敛速度、更准确的聚类结果和更高的稳定性。 展开更多
关键词 最大距离积法 簇内距离和 簇中心更新 K-MEANS算法 快速收敛
下载PDF
改进的方差优化初始中心的K-medoids算法 被引量：1
3
作者 张晓滨 母玉雪 《计算机技术与发展》 2020年第7期42-45,134,共5页
针对传统K-medoids算法对于初值敏感、容易陷入局部最优解、稳定性差等缺点和方差优化初始中心的K-medoids聚类算法的时间复杂度较高、邻域半径不够精确等问题,提出一种改良的基于方差优化初始中心的K-medoids聚类算法。该算法引入了全... 针对传统K-medoids算法对于初值敏感、容易陷入局部最优解、稳定性差等缺点和方差优化初始中心的K-medoids聚类算法的时间复杂度较高、邻域半径不够精确等问题,提出一种改良的基于方差优化初始中心的K-medoids聚类算法。该算法引入了全局方差的概念,并将其作为样本的密度参数,选择部分方差值较小的样本作为候选初始聚类中心样本集,并利用最大距离乘积法从候选初始聚类中心样本集中选取方差值较小且距离较远的K个样本当作初始聚类中心,该算法充分兼顾了初始聚类中心的分散性和代表性。在更新簇类中心时,根据样本密度原则逐步扩大搜索范围,代替了传统的随机选取。通过在UCI数据集上的实验结果表明,该算法不仅有效优化了初始聚类中心点的选取,同时也有效改进了聚类速度和聚类效果。 展开更多
关键词 K-medoids算法 初始聚类中心 方差优化 最大距离乘积法 样本密度
下载PDF
基于一种改进K-means算法的入侵检测系统研究
4
作者 谢霖铨 张思洁 《河南科技》 2015年第8期23-25,共3页
为了提高入侵检测系统的实时性和可靠性,基于传统的K-means算法应用于入侵检测系统的有效性和由于随机初始聚类中心而存在的缺陷,基于此缺陷而改进为选取已经初始化的聚类中心距离乘积最大的点为初始聚类中心,并将其运用到入侵检测领域... 为了提高入侵检测系统的实时性和可靠性,基于传统的K-means算法应用于入侵检测系统的有效性和由于随机初始聚类中心而存在的缺陷,基于此缺陷而改进为选取已经初始化的聚类中心距离乘积最大的点为初始聚类中心,并将其运用到入侵检测领域。这种方法可以有效检测出不同类型的入侵行为,并且在KDDCUP99数据集的实验中取得了预期的效果。 展开更多
关键词 入侵检测 数据挖掘 无监督聚类 最大距离积法
下载PDF
针对KMC局部最优问题的飞蛾捕焰优化方法 被引量：2
5
作者 郭璐 许哲 +2 位作者 黄鹤 张少帅 陈永安 《火力与指挥控制》 CSCD 北大核心 2021年第8期34-39,共6页
针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法。采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法... 针对传统飞蛾捕焰(MFO)算法求解复杂函数时后期收敛速度慢与求解精度较低等问题,提出了一种基于快速收敛的飞蛾捕焰(RMFO)算法。采用最大最小距离积的方法来初始化飞蛾群,能够提高算法全局收敛速度并且优化解的质量,同时构造出MFO算法的适应度函数作为寻优函数。将RMFO算法和有K均值聚类算法(KMC)进行交叉迭代,构建基于RMFO优化的KMC算法,求解聚类中心时能够改善聚类性能,可以解决现有KMC算法选取初始聚类中心不确定陷入结果局部最优的问题。实验结果表明,通过用UCI国际通用测试数据库的Iris、Wine和Glass 3种数据集,对RMFO算法和优化KMC算法进行性能测试,提出的RMFO算法更加精准,收敛速度快,不易陷入局部最优解,同时,优化KMC算法的聚类性能更好。 展开更多
关键词 飞蛾捕焰算法 收敛 聚类 最大最小距离积法 群体智能
下载PDF
基于随机跳跃蝠鲼算法优化的电影信息数据聚类
6
作者 黄鹤 李潇磊 +2 位作者 王珺 王会峰 茹锋 《南京大学学报（自然科学版）》 CAS CSCD 北大核心 2022年第5期856-867,共12页
针对传统K均值聚类(K-Means Clustering,KMC)算法在对电影信息数据聚类的过程中,初始聚类中心选取随机性较大、聚类结果不稳定且算法容易陷入局部最优、影响迭代精度等不足,提出一种基于随机跳跃式翻滚觅食蝠鲼优化的K均值联合迭代聚类... 针对传统K均值聚类(K-Means Clustering,KMC)算法在对电影信息数据聚类的过程中,初始聚类中心选取随机性较大、聚类结果不稳定且算法容易陷入局部最优、影响迭代精度等不足,提出一种基于随机跳跃式翻滚觅食蝠鲼优化的K均值联合迭代聚类算法(MRRJRFO-KMC),实现对电影信息数据的聚类.首先,提出一种均值最大最小距离积法来初始化聚类中心,改善聚类中心选取的随机性,避免随机初始化对聚类结果造成的不稳定性.其次,在迭代的过程中加入蝠鲼觅食优化算法,并对蝠鲼觅食优化算法中螺旋觅食和翻滚觅食进行改进,提出一种随机跳跃式翻滚觅食蝠鲼优化的策略,解决了蝠鲼觅食优化算法易陷入局部最优的问题.将随机跳跃式翻滚觅食蝠鲼优化算法加入KMC算法,对KMC算法迭代过程中的聚类中心进行优化,提高了聚类精度.在Iris,Aggregation,Ecoli和Seeds国际标准数据集上对MRRJRFO-KMC算法、MRFO-KMC算法、KMC算法、K-Means++算法、模糊C均值(Fuzzy C-Means,FCM)聚类算法进行比较测试,实验结果表明,MRRJRFO-KMC算法和其他算法相比,准确性和收敛速度都有所提升.在电影信息数据处理过程中,该算法能够根据所给的信息进行有效的聚类,应用价值明显. 展开更多
关键词 蝠鲼觅食优化算法 K均值聚类 均值最大最小距离积法 随机跳跃式翻滚 电影信息数据
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 下一页 到第 页
使用帮助 返回顶部