作者:
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:
传统粒子群聚类算法容易陷入局部最优,聚类的准确度不高.针对这些问题,提出一种改进的离子群聚类算法,该算法基于一种新的惯性权重函数并引入基于多样性反馈的beta分布变异来保证种群的多样性.对Iris数据的测试结果表明,在相同的条件下,改进的粒子群聚类算法在聚类的准确度方面优于传统的粒子群聚类算法.
推荐文章
粒子群聚类算法综述
聚类分析
群智能
粒子群优化算法
基于改进的简化粒子群聚类算法
简化粒子群算法
粒密度
最大距离积法
随机分布
极值扰动算子
K-means算法
基于SNP系统的改进粒子群聚类算法
聚类
K-means算法
PSO算法
脉冲神经膜系统
基于粒子群聚类算法的模糊神经网络建模方法研究
模糊神经网络
粒子群聚类算法
规则提取
建模
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 基于多样性反馈的粒子群聚类算法
来源期刊 国外电子测量技术 学科 工学
关键词 聚类分析 离子群算法 多样性反馈
年,卷(期) 2012,(2) 所属期刊栏目 理论与方法
研究方向 页码范围 24-26
页数 分类号 TP301.6
字数 3193字 语种 中文
DOI 10.3969/j.issn.1002-8978.2012.02.007
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 时红军 3 9 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (20)
共引文献  (40)
参考文献  (6)
节点文献
引证文献  (8)
同被引文献  (54)
二级引证文献  (101)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(5)
  • 参考文献(2)
  • 二级参考文献(3)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(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)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2014(5)
  • 引证文献(1)
  • 二级引证文献(4)
2015(18)
  • 引证文献(3)
  • 二级引证文献(15)
2016(35)
  • 引证文献(2)
  • 二级引证文献(33)
2017(21)
  • 引证文献(0)
  • 二级引证文献(21)
2018(23)
  • 引证文献(0)
  • 二级引证文献(23)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
研究主题发展历程
节点文献
聚类分析
离子群算法
多样性反馈
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
国外电子测量技术
月刊
1002-8978
11-2268/TN
大16开
北京东城区北河沿大街79号2楼
82-141
1982
chi
出版文献量(篇)
5838
总下载数(次)
16
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导