计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2014年
9期
314-318
,共5页
路浩%倪世宏%查翔%张鹏
路浩%倪世宏%查翔%張鵬
로호%예세굉%사상%장붕
递减概率化%粒子优化替换%粒子群优化
遞減概率化%粒子優化替換%粒子群優化
체감개솔화%입자우화체환%입자군우화
Decreasing-probability%Optimizing replace of particles%Particle swarm optimization (PSO)
粒子群优化(PSO)的K-Medoids进化聚类算法中初始种群是随机产生的,导致选择的初始中心点有可能位于同一类簇中.为提高聚类准确性,提出一种采用递减概率化初始点选择的PSO与K-Medoids结合新算法.根据样本的分布密度设置对应的选择概率,并由轮盘赌策略依次选择中心点,使获得的中心点位于密度较高区域且在不同的簇中,同时又实现了初始种群的多样性.在人工和UCI真实数据集上的实验结果表明,改进后的算法有更快的收敛速度,提高了聚类准确率和稳定性.
粒子群優化(PSO)的K-Medoids進化聚類算法中初始種群是隨機產生的,導緻選擇的初始中心點有可能位于同一類簇中.為提高聚類準確性,提齣一種採用遞減概率化初始點選擇的PSO與K-Medoids結閤新算法.根據樣本的分佈密度設置對應的選擇概率,併由輪盤賭策略依次選擇中心點,使穫得的中心點位于密度較高區域且在不同的簇中,同時又實現瞭初始種群的多樣性.在人工和UCI真實數據集上的實驗結果錶明,改進後的算法有更快的收斂速度,提高瞭聚類準確率和穩定性.
입자군우화(PSO)적K-Medoids진화취류산법중초시충군시수궤산생적,도치선택적초시중심점유가능위우동일류족중.위제고취류준학성,제출일충채용체감개솔화초시점선택적PSO여K-Medoids결합신산법.근거양본적분포밀도설치대응적선택개솔,병유륜반도책략의차선택중심점,사획득적중심점위우밀도교고구역차재불동적족중,동시우실현료초시충군적다양성.재인공화UCI진실수거집상적실험결과표명,개진후적산법유경쾌적수렴속도,제고료취류준학솔화은정성.