计算机应用研究
計算機應用研究
계산궤응용연구
APPLICATION RESEARCH OF COMPUTERS
2012年
6期
2040-2042,2046
,共4页
人工蜂群%聚类算法%K-均值
人工蜂群%聚類算法%K-均值
인공봉군%취류산법%K-균치
传统的K-均值聚类算法虽然收敛速度快,但由于过度依赖初始聚类中心,算法的鲁棒性较差.为此,提出了一种改进人工蜂群算法与K-均值相结合的混合聚类方法,将改进人工蜂群算法能调节全局寻优能力与局部寻优能力的优点与K-均值算法收敛速度快的优点相结合,来提高算法的鲁棒性.实验表明,该算法不仅克服了传统K-均值聚类算法稳定性差的缺点,而且聚类效果也有了明显改善.
傳統的K-均值聚類算法雖然收斂速度快,但由于過度依賴初始聚類中心,算法的魯棒性較差.為此,提齣瞭一種改進人工蜂群算法與K-均值相結閤的混閤聚類方法,將改進人工蜂群算法能調節全跼尋優能力與跼部尋優能力的優點與K-均值算法收斂速度快的優點相結閤,來提高算法的魯棒性.實驗錶明,該算法不僅剋服瞭傳統K-均值聚類算法穩定性差的缺點,而且聚類效果也有瞭明顯改善.
전통적K-균치취류산법수연수렴속도쾌,단유우과도의뢰초시취류중심,산법적로봉성교차.위차,제출료일충개진인공봉군산법여K-균치상결합적혼합취류방법,장개진인공봉군산법능조절전국심우능력여국부심우능력적우점여K-균치산법수렴속도쾌적우점상결합,래제고산법적로봉성.실험표명,해산법불부극복료전통K-균치취류산법은정성차적결점,이차취류효과야유료명현개선.