原文服务方: 计算机应用研究       
摘要:
传统的K-均值聚类算法虽然收敛速度快,但由于过度依赖初始聚类中心,算法的鲁棒性较差.为此,提出了一种改进人工蜂群算法与K-均值相结合的混合聚类方法,将改进人工蜂群算法能调节全局寻优能力与局部寻优能力的优点与K-均值算法收敛速度快的优点相结合,来提高算法的鲁棒性.实验表明,该算法不仅克服了传统K-均值聚类算法稳定性差的缺点,而且聚类效果也有了明显改善.
推荐文章
基于人工蜂群优化的K均值聚类算法
聚类分析
K均值算法
人工蜂群算法
聚类中心
优化
基于模糊C-均值的改进人工蜂群聚类算法
人工蜂群算法
模糊C-均值
聚类分析
差分进化
搜索方程
基于改进人工蜂群算法与MapReduce的大数据聚类算法
数据分析
聚类算法
人工蜂群算法
灰狼优化算法
云计算
分布式计算
基于差分演化的K-均值聚类算法
聚类
差分演化算法
K-均值
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 一种结合人工蜂群和K-均值的混合聚类算法
来源期刊 计算机应用研究 学科
关键词 人工蜂群 聚类算法 K-均值
年,卷(期) 2012,(6) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2040-2042,2046
页数 分类号 TP183
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2012.06.009
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 毕晓君 哈尔滨工程大学信息与通信工程学院 126 1188 17.0 27.0
2 宫汝江 哈尔滨工程大学信息与通信工程学院 2 45 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (31)
共引文献  (90)
参考文献  (8)
节点文献
引证文献  (29)
同被引文献  (63)
二级引证文献  (150)
1984(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(1)
  • 二级参考文献(3)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(8)
  • 参考文献(2)
  • 二级参考文献(6)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(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)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
2013(7)
  • 引证文献(4)
  • 二级引证文献(3)
2014(4)
  • 引证文献(4)
  • 二级引证文献(0)
2015(23)
  • 引证文献(9)
  • 二级引证文献(14)
2016(30)
  • 引证文献(6)
  • 二级引证文献(24)
2017(36)
  • 引证文献(3)
  • 二级引证文献(33)
2018(33)
  • 引证文献(1)
  • 二级引证文献(32)
2019(33)
  • 引证文献(1)
  • 二级引证文献(32)
2020(12)
  • 引证文献(0)
  • 二级引证文献(12)
研究主题发展历程
节点文献
人工蜂群
聚类算法
K-均值
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
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导