-
题名基于改进GSA的数据聚类机制
被引量：4
- 1
-
-
作者
张小庆
-
机构
武汉轻工大学数学与计算机学院
-
出处
《计算机应用与软件》
北大核心
2021年第2期27-32,84,共7页
-
基金
湖北省自然科学基金项目(2018CFB407)
武汉轻工大学校立科研项目(2019y07)。
-
文摘
数据聚类是大数据分析的基本手段,传统聚类方法易于陷入局部最优。针对这一问题,提出一种基于改进引力搜索机制GSA的数据聚类算法。定义一种适合于引力搜索进化的聚类解编码方式。为了衡量不同聚类解的差异,设计一种基于汉明距离的引力搜索粒子距离度量方法,有效衡量数据对象在各维度属性上的不同。同时,在粒子速度更新方面,引入加速因子到粒子速度更新策略中,利用最优粒子位置代表的聚类解加速局部开发过程,加速粒子向最优粒子移动,有效保持局部开发与全局搜索间的平衡。实验结果表明,在经典数据集测试下,该算法在多数测试集中比同类算法具有更低的聚类失误率。
-
关键词
数据聚类
引力搜索
汉明距离
聚类间距
-
Keywords
Data clustering
Gravitational search
Hamming distance
Clustering distance
-
分类号
TP393.1
[自动化与计算机技术—计算机应用技术]
-
