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:
蚁群算法作为一种新型的优化方法,具有很强的适应性和鲁棒性.基于蚁群算法的聚类方法已经在当前数据挖掘研究中得到应用.文章提出了一个新颖策略来解决无人监督的数据聚类问题,利用信息素控制蚂蚁随机移动提高算法效率,采用运动速度各异的多个蚂蚁独立并行进行聚类来提高聚类质量.实验结果表明该方法是有效的.
推荐文章
基于扩散信息素的蚁群聚类算法及应用
蚁群算法
聚类分析
信息素扩散模型
客户分类
一种蚁群聚类算法
蚁群算法
聚类
优化
均匀交叉
基于信息熵的蚁群聚类组合算法的研究
聚类
蚁群聚类
信息熵
K-均值
一种改进的自适应蚁群聚类算法
聚类分析
蚁群算法
蚂蚁移动
自适应
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 一种基于信息素的蚁群聚类算法
来源期刊 计算机工程与应用 学科 工学
关键词 蚁群算法 信息素 聚类
年,卷(期) 2006,(20) 所属期刊栏目 数据库与信息处理
研究方向 页码范围 157-159,163
页数 4页 分类号 TP301.6
字数 3817字 语种 中文
DOI 10.3321/j.issn:1002-8331.2006.20.048
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 张宪超 大连理工大学软件学院 29 428 12.0 20.0
2 江贺 大连理工大学软件学院 47 513 12.0 21.0
3 张建华 大连理工大学软件学院 4 149 3.0 4.0
7 赵东东 大连理工大学软件学院 5 73 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (68)
参考文献  (5)
节点文献
引证文献  (23)
同被引文献  (31)
二级引证文献  (79)
1996(2)
  • 参考文献(2)
  • 二级参考文献(0)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
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(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)
2007(4)
  • 引证文献(4)
  • 二级引证文献(0)
2008(8)
  • 引证文献(6)
  • 二级引证文献(2)
2009(13)
  • 引证文献(5)
  • 二级引证文献(8)
2010(20)
  • 引证文献(0)
  • 二级引证文献(20)
2011(12)
  • 引证文献(2)
  • 二级引证文献(10)
2012(12)
  • 引证文献(2)
  • 二级引证文献(10)
2013(6)
  • 引证文献(0)
  • 二级引证文献(6)
2014(3)
  • 引证文献(0)
  • 二级引证文献(3)
2015(2)
  • 引证文献(0)
  • 二级引证文献(2)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(8)
  • 引证文献(4)
  • 二级引证文献(4)
2018(6)
  • 引证文献(0)
  • 二级引证文献(6)
2019(3)
  • 引证文献(0)
  • 二级引证文献(3)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
蚁群算法
信息素
聚类
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导