-
题名基于自适应蜂群优化的DBSCAN聚类算法
被引量：12
- 1
-
-
作者
胡健
朱海湾
毛伊敏
-
机构
江西理工大学应用科学学院
江西理工大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2019年第14期105-114,共10页
-
基金
国家自然科学基金(No.41562019,No.41530640)
江西省自然科学基金(No.20161BAB203093)
+1 种基金
江西省教育厅科技项目(No.GJJ151528,No.GJJ151531,No.GJJ161566)
省社科规划项目(No.13YD020)
-
文摘
针对传统的DBSCAN(Density-Based Spatial Clustering of Application with Noise,DBSCAN)聚类算法全局参数设置不合理、参数选取困难、无法识别重叠模块的问题,以及人工蜂群优化算法(Artificial Bees Colony,ABC)后期收敛速度慢、易陷入局部最优等缺陷进行了研究,提出一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN。该算法将截断选择机制与锦标赛选择机制相结合,提出一种截断-锦标赛选择机制(Truncation-Championship Selection Mechanism,TCSM),以增强种群多样性、避免跟随蜂选择蜜源陷入局部最优的缺陷;提出一种自适应步长策略(Adaptive Step Strategy,ASS)动态调整跟随蜂的搜索方式,以提高算法局部搜索能力和聚类速度;根据改进的IABC算法动态调节DBSCAN算法中的最优参数,将蜜源位置对应ε邻域,蜜源的适应度大小对应DBSCAN的聚类效果,并在多种测试函数和数据集上进行验证。实验结果表明,该算法不仅有效克服ABC和DBSCAN算法的缺陷,且正确率和召回率均有较大提高。
-
关键词
DBSCAN算法
人工蜂群优化算法
截断-锦标赛选择机制
自适应步长策略
聚类
-
Keywords
Density-Based Spatial Clustering of Application with Noise(DBSCAN) algorithm
artificial bee colony optimization
truncation-championship selection mechanism
adaptive step strategy
clustering
-
分类号
TP399
[自动化与计算机技术—计算机应用技术]
-
-
题名改进微粒群算法在梯级电站长期优化调度中的应用
被引量：4
- 2
-
-
作者
朱凤霞
熊立华
高仕春
艾学山
-
机构
武汉大学水资源与水电工程科学国家重点实验室
-
出处
《水文》
CSCD
北大核心
2007年第5期42-45,77,共5页
-
基金
国家自然科学基金(50409008)
教育部新世纪优秀人才支持计划(NCET-05-0624)
霍英东青年教师基金(101077)资助
-
文摘
微粒群算法是一种简洁高效的智能优化算法,但基本算法容易陷入局部最优,并且搜索精度不高。本文在基本算法的基础上引入锦标赛选择机制和自适应惯性权重因子,提出了改进微粒群算法(MPSO)。将MPSO算法应用到黄河上游梯级电站的长期调度中,并与动态规划法和基本算法的调度结果相比较。实例表明了MPSO算法的有效性和可靠性,从而为梯级电站水库(群)长期优化调度提供了一种新的、有效的优化方法。
-
关键词
微粒群算法
锦标赛选择机制
惯性权重
优化调度
-
Keywords
particle swarm optimization algorithm
tournament selection method
inertia weigh
reservoirs operation optimization
-
分类号
TV697.12
[水利工程—水利水电工程]
-
