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:
传统K均值算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优值.针对上述问题,该文提出一种基于遗传算法的K均值聚类算法,将K均值算法的局部寻优能力与遗传算法的全局寻优能力相结合,在自适应交叉概率和变异概率的遗传算法中引入K均值操作,以克服传统K均值算法的局部性和对初始中心的敏感性,实验证明,该算法有较好的全局收敛性,聚类效果更好.
推荐文章
基于模拟退火遗传算法的聚类分析
聚类
遗传算法
模拟退火算法
模拟退火遗传算法
基于改进遗传算法的模糊C均值聚类算法
聚类
FCM算法
遗传算法
种群熵
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 基于遗传算法的K均值聚类分析
来源期刊 计算机工程 学科 工学
关键词 K均值算法 聚类中心 遗传算法
年,卷(期) 2008,(20) 所属期刊栏目 人工智能及识别技术
研究方向 页码范围 200-202
页数 3页 分类号 TP301
字数 4070字 语种 中文
DOI 10.3969/j.issn.1000-3428.2008.20.073
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 刘建平 浙江理工大学信息电子学院 35 460 7.0 21.0
2 赖玉霞 浙江理工大学信息电子学院 6 307 4.0 6.0
3 杨国兴 1 145 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (10)
共引文献  (65)
参考文献  (3)
节点文献
引证文献  (145)
同被引文献  (249)
二级引证文献  (616)
1994(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(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)
2009(9)
  • 引证文献(9)
  • 二级引证文献(0)
2010(20)
  • 引证文献(10)
  • 二级引证文献(10)
2011(45)
  • 引证文献(19)
  • 二级引证文献(26)
2012(62)
  • 引证文献(12)
  • 二级引证文献(50)
2013(69)
  • 引证文献(11)
  • 二级引证文献(58)
2014(62)
  • 引证文献(15)
  • 二级引证文献(47)
2015(82)
  • 引证文献(16)
  • 二级引证文献(66)
2016(88)
  • 引证文献(10)
  • 二级引证文献(78)
2017(103)
  • 引证文献(17)
  • 二级引证文献(86)
2018(88)
  • 引证文献(15)
  • 二级引证文献(73)
2019(91)
  • 引证文献(10)
  • 二级引证文献(81)
2020(41)
  • 引证文献(0)
  • 二级引证文献(41)
研究主题发展历程
节点文献
K均值算法
聚类中心
遗传算法
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
月刊
1000-3428
31-1289/TP
大16开
上海市桂林路418号
4-310
1975
chi
出版文献量(篇)
31987
总下载数(次)
53
总被引数(次)
317027
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导