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:
基于蚁群算法的聚类算法已经在当前的数据挖掘研究中得到应用.本文针对蚁群聚类算法早期出现的缺点,提出一种蚁群聚类组合方法使其得以改进.改进思路是引入K—Means作为蚁群算法的预处理过程.通过K—Means快速、粗略地确定聚类中心,利用K_均值方法的结果作为初值,再进行蚁群算法聚类.有效地解决了蚁群算法早期收敛过慢等问题.
推荐文章
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
基于蚁群聚类的入侵检测技术研究
入侵检测
数据挖掘
蚁群聚类
基于区域生长和蚁群聚类的图像分割
区域生长
群体智能
蚁群聚类
引导函数
蚁群聚类组合方法的研究
聚类
蚁群算法
信息素
聚类组合
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 基于蚁群聚类的组合方法研究
来源期刊 琼台学刊 学科 工学
关键词 聚类 蚁群算法 信息素 聚类组合
年,卷(期) 2008,(1) 所属期刊栏目
研究方向 页码范围 96-100
页数 5页 分类号 TP311
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2008(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)
研究主题发展历程
节点文献
聚类
蚁群算法
信息素
聚类组合
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
琼台学刊
季刊
海南省海口市琼山区府城中山北路21号
出版文献量(篇)
186
总下载数(次)
0
总被引数(次)
0
论文1v1指导