-
题名融合K-调和均值的混沌粒子群聚类算法
被引量：6
- 1
-
-
作者
沈明明
毛力
-
机构
中国水产科学研究院淡水渔业研究中心农业部淡水鱼类遗传育种和养殖生物学重点开放实验室
江南大学信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第27期144-146,151,共4页
-
基金
农业部淡水鱼类遗传育种和养殖生物学重点实验室项目(No.BZ2009-07)
-
文摘
针对K-调和均值和混沌粒子群聚类算法的优缺点,提出了一种融合K-调和均值的混沌粒子群聚类算法。首先通过K-调和均值方法把粒子群分成若干个子群体,每个粒子根据其个体极值和所在子种群的全局极值来更新位置。其次,算法中引入变尺度混沌变异,抑制了早熟收敛,提高了计算精度。实验证明,该算法可以有效地避免算法陷入局部最优,在保证收敛速度的同时增强了算法的全局搜索能力,明显改善了聚类效果。
-
关键词
k-调和均值
混沌粒子群
聚类
-
Keywords
k-harmonic means
chaotic particle swarm optimization
cluster
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名融合改进差分进化思想的K-调和均值聚类
被引量：1
- 2
-
-
作者
毛力
刘兴阳
沈明明
杨弘
-
机构
江南大学物联网工程学院
中国水产科学研究院淡水渔业研究中心
-
出处
《计算机工程与应用》
CSCD
2013年第4期146-148,156,共4页
-
基金
现代农业产业技术体系专项资金资助(No.CARS-49)
轻工过程先进控制教育部重点实验室开放课题资助(江南大学)项目(No.APCLI1004)
-
文摘
针对K-调和均值聚类算法易陷入局部最优的缺点,提出了一种基于改进差分进化的K-调和均值聚类算法。该算法通过引入基于Logistic变尺度混沌搜索和指数递增交叉概率算子的差分进化算法来增强全局寻优能力。实验结果表明,该算法能够较好地克服K-调和均值算法的缺点,在保证收敛速度的同时增强了算法的全局搜索能力。
-
关键词
k-调和均值
差分进化
Logistic混沌搜索
指数递增交叉概率
-
Keywords
k-harmonic means
differential evolution
Logistic chaotic searching
exponentially increasing crossover probability
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于改进引力搜索的混合K-调和均值聚类算法研究
被引量：11
- 3
-
-
作者
王彩霞
-
机构
西安工程大学理学院
-
出处
《计算机应用研究》
CSCD
北大核心
2016年第1期118-121,共4页
-
基金
陕西省教育厅自然科学基金资助项目(12JK0557)
-
文摘
为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。
-
关键词
混合k-调和均值聚类
KHM算法
改进引力搜索算法
全局搜索能力
-
Keywords
k-harmonic mixing means clustering
KHM algorithm
improved gravitational search algorithm
global searchcapability
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名融合并行混沌萤火虫算法的K-调和均值聚类
被引量：8
- 4
-
-
作者
朱书伟
周治平
张道文
-
机构
江南大学物联网工程学院
-
出处
《智能系统学报》
CSCD
北大核心
2015年第6期872-880,共9页
-
基金
江苏省产学研联合创新资金-前瞻性联合研究基金资助项目(BY2013015-33)
-
文摘
针对K-调和均值算法易陷于局部最优的缺点,提出一种基于改进萤火虫算法(firefly algorithm,FA)的K-调和均值聚类算法。将基于FA的粗搜索与基于并行混沌优化FA的精细搜索相结合,其中精细搜索部分首先通过FA搜索到当前最优解及次优解,然后通过改进的logistic映射与并行混沌优化策略产生混沌序列在其附近直接搜索,以增强算法的寻优性能。最终,将这种改进的FA用于K-调和均值算法聚类中心的优化。实验结果表明:该算法不但对几种测试函数具有更高的搜索精度,而且对6种数据集的聚类结果均有一定的改善,有效地抑制了K-调和均值算法陷于局部最优的问题,提高了聚类准确性和稳定性。
-
关键词
k-调和均值
局部最优
萤火虫算法
聚类
并行混沌优化
混沌局部搜索
映射模型
种群多样性
-
Keywords
k-harmonic means
local optimum
firefly algorithm
clustering
parallel chaotic optimization
chaotic local search
map model
diversity of population
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名自动属性加权的K-调和均值聚类算法
被引量：1
- 5
-
-
作者
范桂明
张桂珠
-
机构
江南大学物联网工程学院
-
出处
《计算机应用与软件》
CSCD
2016年第11期234-239,共6页
-
基金
江苏省自然科学基金项目(BK20140165)
-
文摘
针对K-调和均值算法中距离度量将所有属性视为相等重要而存在的不足,提出一种利用自动属性加权的改进聚类算法。在算法的目标函数中,用加权欧氏距离替代传统的欧氏距离,并证明了使得算法能够收敛的属性权重更新机制。为进一步提高聚类性能,将粒子群算法融入到改进的属性加权聚类算法中以抑制其陷于局部最优,其中采用聚类中心和属性权重的值同时表示粒子的位置进行寻优。在UCI数据集的测试结果表明,该算法的聚类指标平均提高了约9个百分点,具有更高的聚类准确性和稳定性。
-
关键词
k-调和均值
聚类
属性加权
粒子群
-
Keywords
k-harmonic means
Clustering
Feature weighting
Particle swarm optimisation
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名基于改进GWO-CV优化的K-调和均值聚类算法
被引量：5
- 6
-
-
作者
张文宇
张茜
杨媛
刘嘉
-
机构
西安邮电大学经济与管理学院
中国航天系统科学与工程研究院
-
出处
《统计与决策》
CSSCI
北大核心
2020年第16期9-13,共5页
-
基金
陕西省教育厅重点项目(19JZ056)。
-
文摘
为克服传统聚类算法对初始聚类中心敏感且容易陷入局部最优的问题,文章提出一种基于改进的灰狼优化与交叉验证法结合的K-调和均值聚类算法(GWO-CVKHM)。首先将新的非线性收敛因子引入灰狼优化算法,以调整前期广度搜索与后期深度搜索比例,同时基于模糊控制权重决策对灰狼种群位置进行更新;其次利用改进灰狼优化算法与交叉验证的思想对初始聚类中心进行寻优;最后基于改进后的聚类算法选取UCI数据库中真实数据集进行聚类。实验结果表明,该算法在求解精度及算法稳定性方面优于对比算法,具有更快的收敛速度与更强的全局搜索能力。
-
关键词
k-调和均值聚类
灰狼优化算法(GWO)
交叉验证法(CV)
全局搜索能力
-
Keywords
k-harmonic mean clustering
gray wolf optimization algorithm(GWO)
cross validation method(CV)
global search ability
-
分类号
O21
[理学—概率论与数理统计]
-
-
题名基于聚类分析的无线暂态信号的盲分类
被引量：1
- 7
-
-
作者
李林峰
赵国庆
隋绍勇
-
机构
西安电子科技大学电子对抗所
-
出处
《现代电子技术》
2007年第5期61-62,68,共3页
-
文摘
在通信个体识别中,含有重要信息的暂态信号起着重要的作用。在无训练样本的情况下,先将暂态信号通过小波变换进行消噪,再用K-调和均值聚类算法来进行分类识别。仿真证明,在等信噪比和相同类数目的情况下,调和均值聚类和K-means算法的综合应用,不仅解决了非平稳的暂态信号的分类,而且其计算量少,对高维数据的分类效果也较明显。
-
关键词
k-调和均值聚类
暂态信号
聚类中心
盲分类
-
Keywords
K - harmonic means clustering
transient signal
clustering center, blind source classifier
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
