计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2012年
8期
2189-2192
,共4页
聚类%人工鱼群算法%小生境%排挤机制%聚集因子%算法融合
聚類%人工魚群算法%小生境%排擠機製%聚集因子%算法融閤
취류%인공어군산법%소생경%배제궤제%취집인자%산법융합
针对K-Means算法对于初始K值较敏感和容易过早收敛的问题,提出基于人工鱼群机制的K-Means聚类算法(NAFS).首先,利用先验知识随机产生待求解问题的若干个聚类中心,组成一个鱼群环境；其次,利用鱼群个体的协作、竞争机制寻找满意的结果.鉴于人工鱼群算法后期容易陷入局部最优,根据鱼群聚集度引入小生境算法,改善种群的多样性,提高了算法的求解精度.在KDDCUP99数据集上的实验结果表明,该算法具有较高的聚类精度,适用于高维数据的聚类问题.
針對K-Means算法對于初始K值較敏感和容易過早收斂的問題,提齣基于人工魚群機製的K-Means聚類算法(NAFS).首先,利用先驗知識隨機產生待求解問題的若榦箇聚類中心,組成一箇魚群環境；其次,利用魚群箇體的協作、競爭機製尋找滿意的結果.鑒于人工魚群算法後期容易陷入跼部最優,根據魚群聚集度引入小生境算法,改善種群的多樣性,提高瞭算法的求解精度.在KDDCUP99數據集上的實驗結果錶明,該算法具有較高的聚類精度,適用于高維數據的聚類問題.
침대K-Means산법대우초시K치교민감화용역과조수렴적문제,제출기우인공어군궤제적K-Means취류산법(NAFS).수선,이용선험지식수궤산생대구해문제적약간개취류중심,조성일개어군배경；기차,이용어군개체적협작、경쟁궤제심조만의적결과.감우인공어군산법후기용역함입국부최우,근거어군취집도인입소생경산법,개선충군적다양성,제고료산법적구해정도.재KDDCUP99수거집상적실험결과표명,해산법구유교고적취류정도,괄용우고유수거적취류문제.
