基于最大距离积与最小距离和协同K聚类算法 被引量：15

1

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 职称材料

基于密度和聚类指数改进的K-means算法 被引量：10

2

作者 毛秀 冒纯丽 丁岳伟 《电子科技》 2015年第11期47-50,64,共5页

传统K-means算法中,随机选择到的初始聚类中心不同会得到不一样的簇类,人工给定的k值与实际聚类数较难达到一致,针对这些问题,文中提出了基于密度和聚类指数改进的K-means聚类算法。根据密度获取高密度集HP,从此集合中选择相互之间距离... 传统K-means算法中,随机选择到的初始聚类中心不同会得到不一样的簇类,人工给定的k值与实际聚类数较难达到一致,针对这些问题,文中提出了基于密度和聚类指数改进的K-means聚类算法。根据密度获取高密度集HP,从此集合中选择相互之间距离最大的两对对象均值当成第一轮聚类的聚类中心,新的聚类中心可通过最大距离积法获取,并参考聚类指数确定合适的k值。通过进行实验确认了该算法有较高的准确性和有效性。 展开更多

关键词 K-均值算法 初始聚类中心 高密度集 最大距离积法 聚类指数

下载PDF 职称材料

基于改进的简化粒子群聚类算法 被引量：7

3

作者 熊众望 罗可 《计算机应用研究》 CSCD 北大核心 2014年第12期3550-3552,共3页

针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点,提出一种基于粒密度和最大距离积法的简化粒子群聚类算法。通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置,使粒子群算法能够快速收敛... 针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点,提出一种基于粒密度和最大距离积法的简化粒子群聚类算法。通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置,使粒子群算法能够快速收敛于全局最优。再把改进后的粒子群算法与K-means算法相结合,解决Kmeans算法因随机初始聚类中心而导致聚类效果差、不稳定等问题。通过实验分析,该算法的聚类结果准确率更高、收敛速度更快、稳定性更强。 展开更多

关键词 简化粒子群算法 粒密度 最大距离积法 随机分布 极值扰动算子 K-MEANS算法

下载PDF 职称材料

一种结合粒子群和粗糙集的聚类算法 被引量：3

4

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 职称材料

基于一种改进K-means算法的入侵检测系统研究

5

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 职称材料

引入改进飞蛾扑火的K均值交叉迭代聚类算法 被引量：11

6

作者 黄鹤 李昕芮 +3 位作者 吴琨 郭璐 王会峰 茹锋 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第9期32-39,共8页

针对现有K均值聚类(KMC)算法在选取初始聚类中心时随机性较大、全局搜索能力差、聚类精度低等问题,提出了一种引入改进飞蛾扑火的K均值交叉迭代聚类(IMFO-KMC)算法。利用最大最小距离积法初始化聚类中心,避免了KMC算法对随机初始聚类中... 针对现有K均值聚类(KMC)算法在选取初始聚类中心时随机性较大、全局搜索能力差、聚类精度低等问题,提出了一种引入改进飞蛾扑火的K均值交叉迭代聚类(IMFO-KMC)算法。利用最大最小距离积法初始化聚类中心,避免了KMC算法对随机初始聚类中心较为敏感的问题;利用样条插值预测的思想改进飞蛾扑火算法,提高了算法的收敛速度及寻优精度;以类内平均距离为适应度函数,引导插值扑火算法优化KMC迭代过程中的聚类中心,提高了聚类精度。将IMFOKMC与KMC、K-means++算法、模糊c均值聚类算法在国际标准数据集Iris、Wine和Seeds上进行了实验对比,结果表明:IMFO-KMC算法在Iris数据集上的性能提升最为明显,相比其他算法准确率提高了0.67%~4.18%,标准化互信息提高了1.5%~4.01%。 展开更多

关键词 飞蛾扑火算法 聚类中心 K均值聚类 类内平均距离 最大最小距离积法

下载PDF 职称材料

基于记忆传递旗鱼优化的K均值混合迭代聚类 被引量：3

7

作者 黄鹤 熊武 +3 位作者 吴琨 王会峰 茹锋 王珺 《上海交通大学学报》 EI CAS CSCD 北大核心 2022年第12期1638-1648,共11页

针对现有K均值聚类(KMC)算法受初始化影响较大,随机产生的聚类中心极易使聚类结果陷入局部最优而停止迭代,导致聚类精度低、鲁棒性差的问题,提出一种基于记忆传递旗鱼优化的K均值混合迭代聚类(MTSFO-HIKMC)算法.首先,借鉴已有改进思路,... 针对现有K均值聚类(KMC)算法受初始化影响较大,随机产生的聚类中心极易使聚类结果陷入局部最优而停止迭代,导致聚类精度低、鲁棒性差的问题,提出一种基于记忆传递旗鱼优化的K均值混合迭代聚类(MTSFO-HIKMC)算法.首先,借鉴已有改进思路,引入最大最小距离积来初始化KMC聚类中心,避免随机初始化带来的不确定性;同时,在迭代过程中,令当前最优解在局部进行自适应记忆传递修正,解决由于旗鱼算法搜索路径单一带来的全局寻优能力差和搜索精度不足的问题.利用Iris、Seeds、CMC和Wine国际标准数据集对MTSFO-HIKMC、旗鱼优化的K均值混合迭代聚类(SFO-KMC)算法、引入改进飞蛾扑火的K均值交叉迭代聚类(IMFO-KMC)算法、KMC算法和模糊C均值(FCM)算法进行比较测试,从得到的收敛曲线和性能指标可知,所提出的MTSFO-HIKMC算法相较于IMFO-KMC算法具有更快的收敛速度;在高维度空间较IMFO-KMC算法具有更高的搜索精度;相较于KMC和FCM算法具有更高的搜索精度;相比SFO-KMC算法在收敛速度和搜索精度方面都有明显提升,在高维数据集方面尤其明显. 展开更多

关键词 旗鱼算法 自适应记忆传递修正策略 K均值聚类 最大最小距离积法 UCI标准数据集

下载PDF 职称材料

针对KMC局部最优问题的飞蛾捕焰优化方法 被引量：2

8

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 职称材料

基于改进聚类与融合用户属性特征的协同过滤推荐算法

9

作者 王汇琳 陈欣 《理论数学》 2021年第5期929-936,共8页

针对协同过滤算法数据稀疏导致推荐质量低和推荐效率低的问题,本文提出了一种基于改进K-means聚类与用户属性的协同过滤推荐算法。为了改进K-means算法初始中心选取的随机性,本文先用canopy算法对数据进行粗聚类,引入“最大最小距离积... 针对协同过滤算法数据稀疏导致推荐质量低和推荐效率低的问题,本文提出了一种基于改进K-means聚类与用户属性的协同过滤推荐算法。为了改进K-means算法初始中心选取的随机性,本文先用canopy算法对数据进行粗聚类,引入“最大最小距离积法”选取初始点,接着用K-means算法进行聚类,在生成多个聚类簇之后,将修正的余弦相似度与用户属性特征相结合,形成新的相似度计算模型,最后进行相应的推荐。通过MAE、RMSE两个指标的比较,结果表明,改进后的算法能够提高推荐效率和推荐准确性。 展开更多

关键词 K-MEANS聚类算法 协同过滤 最大最小距离积法 最近邻用户

下载PDF 职称材料

RLDEAO优化的空气质量数据聚类分析

10

作者 田闯 黄鹤 +2 位作者 杨澜 王会峰 茹锋 《浙江大学学报（理学版）》 CAS CSCD 北大核心 2024年第5期542-553,共12页

对空气质量数据进行聚类,传统聚类方法因受初始点的影响,存在随机性高、聚类精度低以及多个中心点出现在同一簇中的问题,为此提出了一种反向学习差分进化天鹰优化器(RLDEAO)优化的K-means互补迭代空气质量数据聚类方法。天鹰优化器(aqui... 对空气质量数据进行聚类,传统聚类方法因受初始点的影响,存在随机性高、聚类精度低以及多个中心点出现在同一簇中的问题,为此提出了一种反向学习差分进化天鹰优化器(RLDEAO)优化的K-means互补迭代空气质量数据聚类方法。天鹰优化器(aquila optimizer,AO)算法具有很强的探索能力,不易受初始点的影响且更易实现,但易陷入局部最优。基于自适应逐维小孔成像反向学习策略、停滞扰动结合莱维飞行策略以及生物进化策略等改进思想,对AO算法进行了改进,有效提高了搜索性能,避免了局部最优;在求取聚类中心点时,设计了一种加权最大最小距离积法(weighted maximum minimum distance product,WMMP),能反映各特征的重要性,对改进聚类结果作用良好;将RLDEAO与WMMP相结合优化K-means互补迭代,提高了搜索速率和搜索精度。通过在多个数据集上的聚类测试,发现RLDEAO-KMC算法的收敛精度和聚类效果较AO-KMC、FCM、KMC、KMC++算法更优。可知,RLDEAO-KMC算法可以更高效地对空气质量数据进行聚类分析,有针对性地做出预测和应对。 展开更多

关键词 K-MEANS聚类算法 天鹰优化器(AO) 加权最大最小距离积法

下载PDF 职称材料

DHSSA优化的K均值互补迭代车型信息数据聚类 被引量：3

11

作者 黄鹤 李文龙 +3 位作者 杨澜 王会峰 王飚 茹锋 《汽车工程》 EI CSCD 北大核心 2022年第5期691-700,729,共11页

针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题,提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先,针对SSA算法中... 针对传统方法在车型信息数据聚类过程中受初始化中心点的影响较大导致聚类精度低、鲁棒性差以及在迭代过程中求取均值选择聚类中心受离群点影响大的问题,提出了一种DHSSA优化的K均值互补迭代车型信息数据聚类方法。首先,针对SSA算法中发现者位置更新不足和种群多样性不足的问题,设计了一种扰动因子-领头雀优化策略,通过自适应领头雀策略加强了最优个体的影响力,利用扰动因子扩大搜索空间,提升了寻找聚类中心的准确率;其次,设计了基于筛选最大最小距离积方法 SMMP优化聚类中心的初始化,在MMP基础上增加了筛选机制,使初始化的中心尽可能更均匀地分布在每个簇中;最后,融合DHSSA和SMMP来优化K均值互补迭代,在减小迭代次数的同时增加搜索效率,得到较好的聚类结果。利用多种数据集进行测试,通过试验结果中的收敛曲线和性能指标可以看出,提出的DHSSA-KMC方法相对于SSA-KMC、IMFO-KMC、KMC和KMC++具有更高的搜索精度、收敛速度和更低的聚类代价,并且耗时相对于SSA-KMC和IMFO-KMC有所减少,证明了算法的有效性和优越性。在车型信息数据处理过程中,DHSSA-KMC可以高效聚类生成竞品车型供消费者选择,应用价值明显。 展开更多

关键词 K均值聚类 筛选最大最小距离积法 麻雀搜索算法 数据集 车型信息数据

下载PDF 职称材料

基于随机跳跃蝠鲼算法优化的电影信息数据聚类

12

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 职称材料