-
题名基于粒球邻域粗糙集的三支高斯混合聚类
- 1
-
-
作者
邵春梅
万仁霞
苗夺谦
赵杰
-
机构
北方民族大学数学与信息科学学院
宁夏智能信息与大数据处理重点实验室(北方民族大学)
同济大学电子与信息工程学院
-
出处
《郑州大学学报(理学版)》
北大核心
2025年第6期16-23,共8页
-
基金
国家自然科学基金项目(62066001)
宁夏科技领军人才项目(2022GKLRLX08)
宁夏自然科学基金项目(2021AAC03203)。
-
文摘
为了解决高维数据集中冗余信息影响三支高斯混合模型聚类效果的问题,将粒球邻域粗糙集的理论融入三支高斯混合聚类模型中,提出一种基于粒球邻域粗糙集的三支高斯混合聚类模型。首先,使用k-means聚类生成满足纯度要求的粒球集,再在粒球生成正域不变约束下进行属性约简,提取关键属性。其次,使用三支高斯混合模型对约简后的数据进行聚类,将对象划分到类簇的核心域或边界域。在7个UCI公共数据集上的对比实验结果表明,所提模型不仅继承了三支高斯混合聚类模型优越的聚类性能,具有更高的准确率、轮廓系数和更低的戴维森堡丁指数,其对类簇边界部分的刻画也更加准确。此外,由于所提模型对高维空间进行了属性约简处理,使得其具有更小的时间复杂度。
-
关键词
高维数据
三支高斯混合模型
聚类
粒球邻域粗糙集
正域
属性约简
-
Keywords
high-dimensional data
three-way Gaussian mixture model
clustering
granular ball neigh-borhood rough set
positive region
attribute reduction
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名融入小生境和混合变异策略的鲸鱼优化算法
被引量：5
- 2
-
-
作者
于涛
高岳林
-
机构
北方民族大学计算机科学与工程学院
宁夏智能信息与大数据处理重点实验室(北方民族大学)
-
出处
《计算机工程与应用》
CSCD
北大核心
2024年第10期88-104,共17页
-
基金
宁夏自然科学基金重点项目(2022AAC02043)
宁夏高等学校一流学科建设基金项目(NXYLXK2017B09)
+1 种基金
北方民族大学重大专项(ZDZX20101)
南京证券支持基础学科研究项目(NJZQJCXK202201)。
-
文摘
鲸鱼优化算法作为一种结构简单的先进优化算法,被用于解决各类学科问题。通过对鲸鱼优化算法进行深入研究,发现该算法存在收敛速度慢、无法跳出局部最优、收敛精度低以及无法平衡全局勘探与局部开发能力等问题。为解决上述问题,提出一种融入小生境和混合变异策略的鲸鱼优化算法(whale optimization algorithm integrating niche and hybrid mutation strategy,NHWOA)。该算法通过引入自适应权重,平衡算法全局勘探与局部开发能力,并加快收敛速度;将种群按照相同规模划分成三个小生境并独立寻优,提高种群多样性;采用混合变异策略对种群进行随机扰动,帮助算法跳出局部最优。通过在CEC2017测试套件上对NHWOA进行仿真实验,并将其应用于特征选择问题,验证了NHWOA的先进性和有效性。NHWOA的收敛速度更快,收敛精度更高,并且鲁棒性更好。
-
关键词
鲸鱼优化算法
小生境
混合变异
自适应权重
特征选择
-
Keywords
whale optimization algorithm
niche
hybrid mutation
adaptive weight
feature selection
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名多策略融合的改进萤火虫算法
被引量：11
- 3
-
-
作者
雍欣
高岳林
赫亚华
王惠敏
-
机构
北方民族大学计算机科学与工程学院
宁夏智能信息与大数据处理重点实验室(北方民族大学)
-
出处
《计算机应用》
CSCD
北大核心
2022年第12期3847-3855,共9页
-
基金
国家自然科学基金资助项目(11961001,61561001)
宁夏高等教育一流学科建设基金资助项目(NXYLXK2017B09)
北方民族大学重大科研专项(ZDZX201901)。
-
文摘
针对传统萤火虫算法(FA)中存在的易陷入局部最优及收敛速度慢等问题,把莱维飞行和精英参与的交叉算子及精英反向学习机制融入到萤火虫优化算法中,提出了一种多策略融合的改进萤火虫算法——LEEFA。首先,在传统萤火虫算法的基础上引入莱维飞行,从而提升算法的全局搜索能力;其次,提出精英参与的交叉算子以提升算法的收敛速度和精度,并增强算法迭代过程中解的多样性和质量;最后,结合精英反向学习机制进行最优解的搜索,从而提高FA跳出局部最优的能力和收敛性能,并实现对于解搜索空间的迅速勘探。为验证所提出的算法的有效性,在基准测试函数上进行了仿真实验,结果表明相较于粒子群优化(PSO)算法、传统FA、莱维飞行萤火虫算法(LFFA)、基于莱维飞行和变异算子的萤火虫算法(LMFA)和自适应对数螺旋-莱维飞行萤火虫优化算法(ADIFA)等算法,所提算法在收敛速度和精度上均表现得更为优异。
-
关键词
萤火虫优化算法
智能优化算法
莱维飞行
精英参与的交叉算子
精英反向学习机制
-
Keywords
firefly optimization algorithm
intelligent optimization algorithm
Levy flight
elite participated crossover operator
elite opposition-based learning mechanism
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
