一种改进二进制编码量子行为粒子群优化聚类算法
DOI:
CSTR:
作者:
作者单位:

江南大学

作者简介:

陈伟

通讯作者:

中图分类号:

基金项目:

国家高技术研究发展计划863项目;国家自然科学基金;国家自然科学基金


Improved binary quantum-behaved particle swarm optimization
clustering algorithm
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了改善二进制量子行为粒子群优化(BQPSO) 算法的收敛性能, 提出了一种基于完全学习策略的改进
    BQPSO 优化(CLBQPSO) 算法, 并由此设计了一种新的数据聚类方法. 该算法在4 个测试数据集上与其他一些聚类
    算法进行了聚类实验比较, 实验结果表明, 基于CLBQPSO 的聚类算法不仅收敛速度快, 而且有较好的全局收敛性,
    收敛精度优于其他聚类算法, 聚类效果更好.

    Abstract:

    A binary quantum-behaved particle swarm optimization(BQPSO) algorithm based on comprehensive learning
    strategy is proposed for improving the performance of convergence. Then a new data clustering method is designed
    according to comphensive learing BQPSO(CLBQPSO). The new clustering algorithm is compared with some other clustering
    algorithms on four testing data sets in clustering experiment. The experiment results show that the CLBQPSO clustering
    algorithm not only converges faster but also owns the better global convergence. Contrast to other clustering algorithms, the
    better convergence accuracy and clustering solution are obtained.

    参考文献
    相似文献
    引证文献
引用本文

陈伟 傅毅 孙俊 须文波.一种改进二进制编码量子行为粒子群优化聚类算法[J].控制与决策,2011,26(10):1463-1468

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2010-06-03
  • 最后修改日期:2010-09-19
  • 录用日期:
  • 在线发布日期: 2011-10-20
  • 出版日期:
文章二维码