期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
种群优化联合鲁棒距离度量的公平性K-means算法
1
作者 谢一涵 毕鹏飞 王爱萍 《电子测量与仪器学报》 北大核心 2025年第6期121-133,共13页
随着聚类算法在智能测量系统、多源传感数据分析与嵌入式状态识别等场景中的广泛应用,如何在保证聚类质量的同时兼顾敏感属性的公平性,已成为制约聚类算法在关键测量任务中应用效果的瓶颈问题。为解决上述问题,提出了一种创新的种群优... 随着聚类算法在智能测量系统、多源传感数据分析与嵌入式状态识别等场景中的广泛应用,如何在保证聚类质量的同时兼顾敏感属性的公平性,已成为制约聚类算法在关键测量任务中应用效果的瓶颈问题。为解决上述问题,提出了一种创新的种群优化联合鲁棒距离度量的公平性K-means聚类算法(PODM-Kmeans)。该方法在构建过程中,充分考虑到敏感属性的公平性与聚类质量之间的平衡性,引入改进的布谷鸟搜索算法以实现初始聚类中心选择过程中的全局搜索能力和局部搜索能力的平衡,有效增强了聚类效果的稳定性。在此基础上,在聚类迭代目标函数的构建上,该方法有效采用了公平性约束和簇大小约束机制,并融合了灵活的加权欧氏范数作为距离度量方法,合理抑制了异常值所带来的消极影响,助力了公平性的提升。通过在5个合成数据集和5个真实数据集上进行的大量实验结果表明,PODM-Kmeans在同类方法中具有较优的性能表现,尤其在Adult、Bank、Census1990和CreditCard 4个数据集上,在维持一定的聚类效果的同时,PODM-Kmeans的公平性比率(FR)指标均超过0.95。 展开更多
关键词 K-MEANS聚类 公平性 种群优化 鲁棒距离度量 布谷鸟搜索算法 欧式距离
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部