基于变异精密搜索的蜂群聚类算法
CSTR:
作者:
作者单位:

长沙理工大学计算机与通信工程学院,长沙410114

作者简介:

李莲

通讯作者:

中图分类号:

TP18

基金项目:

国家自然科学基金项目(11171095, 71371065);湖南省科技计划项目(2013SK3146);湖南省自然科学衡阳联合基金项目(10JJ8008)


Artificial bee colony rough clustering algorithm based on mutative precision search
Author:
Affiliation:

Institute of Computer and Communication Engineering,Changsha University of Sciences and Technology,Changsha 410014

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:

    针对K-means 聚类算法过度依赖初始聚类中心、局部收敛、稳定性差等问题, 提出一种基于变异精密搜索的蜂群聚类算法. 该算法利用密度和距离初始化蜂群, 并根据引领蜂的适应度和密度求解跟随蜂的选择概率P;  然后通过变异精密搜索法产生的新解来更新侦查蜂, 以避免陷入局部最优; 最后结合蜂群与粗糙集来优化K-means. 实验结果表明, 该算法不仅能有效抑制局部收敛、减少对初始聚类中心的依赖, 而且准确率和稳定性均有较大的提高.

    Abstract:

    For the problems of the traditional K-means clustering algorithm such as depending overly on initial clustering centers, the poor global search ability and stability, an artificial bee colony rough clustering algorithm based on mutative precision search is proposed, which generates initial swarm by density and distance, and gets the selection probability of onlooker bees according to the fitness and density of lead bees, then updates scout bees through the method of mutative precision search, in order to avoid falling into local optimum. Finally, the rough set is combined to optimize K-means. The experiment results show that this algorithm not only can suppress the local convergence effectively and reduce the dependence on the initial cluster center, but also has higher accuracy and stronger stability than others.

    参考文献
    相似文献
    引证文献
引用本文

罗可 李莲 周博翔.基于变异精密搜索的蜂群聚类算法[J].控制与决策,2014,29(5):838-842

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:2013-01-22
  • 最后修改日期:2013-04-10
  • 录用日期:
  • 在线发布日期: 2014-05-20
  • 出版日期:
文章二维码