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:
为了改善聚类分析的质量,提出了一种基于阈值和蚁群算法相结合的聚类方法.按此方法,首先由基于阈值的聚类算法进行聚类,生成聚类中心,聚类个数也随之初步确定;然后将蚁群算法的转移概率引入K-平均算法,对上述聚类结果进行二次优化.实验表明,与K-平均算法等相比,该聚类方法的F-测度值(F-measure)更高.
推荐文章
基于蚁群算法的模糊C均值聚类
FCM
蚁群算法
模糊聚类算法
基于图聚类与蚁群算法的社交网络聚类算法
社交网络
数据挖掘
聚类处理
人工蚁群优化
图聚类
信任信息
一种新的基于蚁群和凝聚的混合聚类算法
聚类算法
蚁群聚类
凝聚聚类
蚁群-遗传融合的文本聚类算法
蚁群算法
遗传算法
融合
文本聚类
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 基于阈值和蚁群算法结合的聚类方法
来源期刊 西南交通大学学报 学科 工学
关键词 聚类 蚁群算法 K-平均算法
年,卷(期) 2006,(6) 所属期刊栏目
研究方向 页码范围 719-722,742
页数 5页 分类号 TT311|TPL8
字数 3963字 语种 中文
DOI 10.3969/j.issn.0258-2724.2006.06.011
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 杨燕 西南交通大学信息科学与技术学院 97 1192 16.0 32.0
2 张昭涛 西南交通大学信息科学与技术学院 3 28 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (59)
参考文献  (2)
节点文献
引证文献  (23)
同被引文献  (46)
二级引证文献  (140)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2008(1)
  • 引证文献(1)
  • 二级引证文献(0)
2009(6)
  • 引证文献(6)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(4)
  • 引证文献(3)
  • 二级引证文献(1)
2012(14)
  • 引证文献(1)
  • 二级引证文献(13)
2013(13)
  • 引证文献(2)
  • 二级引证文献(11)
2014(17)
  • 引证文献(0)
  • 二级引证文献(17)
2015(23)
  • 引证文献(0)
  • 二级引证文献(23)
2016(24)
  • 引证文献(2)
  • 二级引证文献(22)
2017(15)
  • 引证文献(1)
  • 二级引证文献(14)
2018(23)
  • 引证文献(1)
  • 二级引证文献(22)
2019(18)
  • 引证文献(2)
  • 二级引证文献(16)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
聚类
蚁群算法
K-平均算法
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
西南交通大学学报
双月刊
0258-2724
51-1277/U
大16开
四川省成都市二环路北一段
62-104
1954
chi
出版文献量(篇)
3811
总下载数(次)
4
总被引数(次)
51589
论文1v1指导