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:
通过给基于孤岛模型的并行粒子群算法引入K-means来进行子种群的划分.这不仅可以使一个子种群中的粒子位置相对集中,学习相对容易,而且可以提高搜索效率,使有限的时间用在最有效的搜索上.针对并行算法的特点,对其进行改进,在满足一定条件时才进行通信,这样可以避免无效通信,减少通信所花的时间.仿真结果证实,该算法具有较高的收敛速度和收敛精度.
推荐文章
结合双粒子群和K-means的混合文本聚类算法
双粒子群
自调整惯性权值
信息交流
K-means算法
文本聚类
粒子群算法改进的K-Means聚类算法
聚类
K-Means算法
粒子群优化算法
PSKA算法
粒子群K-means聚类算法的改进
聚类分析
多子群粒子群
全局优化
K-means
PSOK-means
基于时间因子的混沌粒子群优化K-means算法
K-means
混沌技术
粒子群优化算法
时间因子
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 结合K-means的并行粒子群优化
来源期刊 计算机工程与应用 学科 工学
关键词 K-means 并行 粒子群 优化
年,卷(期) 2011,(19) 所属期刊栏目 网络、通信、安全
研究方向 页码范围 60-62
页数 分类号 TP18
字数 3871字 语种 中文
DOI 10.3778/j.issn.1002-8331.2011.19.017
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 张捷 广州大学松田学院信息科学与工程系 13 38 4.0 5.0
2 封俊红 广州大学松田学院信息科学与工程系 9 31 3.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (17)
共引文献  (45)
参考文献  (7)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(4)
  • 参考文献(2)
  • 二级参考文献(2)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
K-means
并行
粒子群
优化
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