成都信息工程学院学报
成都信息工程學院學報
성도신식공정학원학보
JOURNAL OF CHENGDU INSTITUTE OF METEOROLOGY
2014年
5期
485-490
,共6页
聚类分析%人工鱼群算法%类簇中心%动态步长%全局最优解
聚類分析%人工魚群算法%類簇中心%動態步長%全跼最優解
취류분석%인공어군산법%류족중심%동태보장%전국최우해
cluster analysis%artificial fish swarm algorithm%cluster centers%dynamically moving step%global optimal solution
为了克服K-Means算法对初始类簇中心、噪声点、孤立点敏感缺点,将K-Means算法和人工鱼群算法结合,提出了改进的人工鱼群聚类算法.在该算法中将类簇中心看作一条人工鱼,让每条人工鱼执行随机、觅食、聚群、追尾行为中的一种,并将更新后的位置作为K-Means算法的初始值,不断重复人工鱼的位置更新和K-Means操作,直到算法结束.由于在算法中加入了动态移动步长和全局人最优人工鱼位置,聚类的收敛精度和速度都得到提高.使用iris和glass数据集进行聚类时,与其他算法相比,文中的收敛时间缩短2.6％,精度提高1.36％.
為瞭剋服K-Means算法對初始類簇中心、譟聲點、孤立點敏感缺點,將K-Means算法和人工魚群算法結閤,提齣瞭改進的人工魚群聚類算法.在該算法中將類簇中心看作一條人工魚,讓每條人工魚執行隨機、覓食、聚群、追尾行為中的一種,併將更新後的位置作為K-Means算法的初始值,不斷重複人工魚的位置更新和K-Means操作,直到算法結束.由于在算法中加入瞭動態移動步長和全跼人最優人工魚位置,聚類的收斂精度和速度都得到提高.使用iris和glass數據集進行聚類時,與其他算法相比,文中的收斂時間縮短2.6％,精度提高1.36％.
위료극복K-Means산법대초시류족중심、조성점、고립점민감결점,장K-Means산법화인공어군산법결합,제출료개진적인공어군취류산법.재해산법중장류족중심간작일조인공어,양매조인공어집행수궤、멱식、취군、추미행위중적일충,병장경신후적위치작위K-Means산법적초시치,불단중복인공어적위치경신화K-Means조작,직도산법결속.유우재산법중가입료동태이동보장화전국인최우인공어위치,취류적수렴정도화속도도득도제고.사용iris화glass수거집진행취류시,여기타산법상비,문중적수렴시간축단2.6％,정도제고1.36％.
