作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
数据聚类是数据挖掘中的一个重要课题.聚类问题可以归结为一个优化问题.蚁群算法作为一种鲁棒性很强的优化算法具有很强的全局优化能力.该文给出了一种并行多种群自适应蚁群算法.该算法采用多种群并行搜索,并在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为.理论分析和仿真实验表明,该算法是非常有效的.
推荐文章
基于混合多种群自适应蚁群算法的无人机航路规划
航路规划
蚁群算法
局部收敛
自适应
栅格图
基于自适应多态免疫蚁群算法的TSP求解
自适应
多态
蚁群算法
免疫克隆选择
旅行商问题
蜂群—蚁群自适应优化算法
优化问题
蚁群优化
人工蜂群算法
自适应调整信息素的蚁群算法
蚁群算法
TSP问题
信息素
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于并行多种群自适应蚁群算法的聚类分析
来源期刊 计算机工程与应用 学科 工学
关键词 聚类分析 信息素 蚁群算法
年,卷(期) 2003,(25) 所属期刊栏目 学术探讨
研究方向 页码范围 78-79,82
页数 3页 分类号 TP18|TP39
字数 4321字 语种 中文
DOI 10.3321/j.issn:1002-8331.2003.25.023
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 高坚 烟台大学计算机学院 25 261 9.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (16)
参考文献  (6)
节点文献
引证文献  (43)
同被引文献  (25)
二级引证文献  (145)
1970(1)
  • 参考文献(0)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(3)
  • 参考文献(2)
  • 二级参考文献(1)
2000(2)
  • 参考文献(2)
  • 二级参考文献(0)
2001(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2005(5)
  • 引证文献(5)
  • 二级引证文献(0)
2006(5)
  • 引证文献(5)
  • 二级引证文献(0)
2007(9)
  • 引证文献(6)
  • 二级引证文献(3)
2008(12)
  • 引证文献(8)
  • 二级引证文献(4)
2009(20)
  • 引证文献(7)
  • 二级引证文献(13)
2010(18)
  • 引证文献(5)
  • 二级引证文献(13)
2011(27)
  • 引证文献(5)
  • 二级引证文献(22)
2012(19)
  • 引证文献(0)
  • 二级引证文献(19)
2013(14)
  • 引证文献(0)
  • 二级引证文献(14)
2014(9)
  • 引证文献(0)
  • 二级引证文献(9)
2015(6)
  • 引证文献(0)
  • 二级引证文献(6)
2016(14)
  • 引证文献(1)
  • 二级引证文献(13)
2017(14)
  • 引证文献(1)
  • 二级引证文献(13)
2018(7)
  • 引证文献(0)
  • 二级引证文献(7)
2019(6)
  • 引证文献(0)
  • 二级引证文献(6)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
聚类分析
信息素
蚁群算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导