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:
针对传统的聚类算法存在对初始化值敏感和容易陷入局部极值等缺点,提出一种确定聚类中心数目和位置的方法.用每一个粒子表示一组聚类中心,采用云理论改造粒子群算法,从而提高粒子群算法的性能,以便搜索到更合理的聚类中心完成聚类划分.实验结果表明该算法很好克服了这两个缺点,获得了稳定性好和更紧凑的聚类效果.
推荐文章
一种量子行为粒子群优化动态聚类算法
粒子群优化
量子行为
完全学习策略
动态聚类
一种改进的基于粒子群的聚类算法
聚类算法
粒子群优化算法
相异度矩阵
最大最小距离法
K-means
适应度方差
基于聚类的多子群粒子群优化算法
粒子群优化算法
聚类
子群
一种改进的简化均值粒子群K-means聚类算法
粒子群优化算法
简化粒子群
邻域最优粒子
K-means聚类
聚类数
初始聚类中心
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 一种采用粒子群优化的聚类算法
来源期刊 计算机工程与应用 学科 工学
关键词 聚类算法 粒子群 模糊C均值
年,卷(期) 2012,(10) 所属期刊栏目 博士论坛
研究方向 页码范围 29-33
页数 分类号 TP301.6
字数 4179字 语种 中文
DOI 10.3778/j.issn.1002-8331.2012.10.008
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 山拜·达拉拜 新疆大学信息科学与工程学院智能信号处理实验室 63 200 7.0 10.0
2 邱新建 新疆大学信息科学与工程学院智能信号处理实验室 6 12 2.0 3.0
4 廖畅 新疆大学信息科学与工程学院智能信号处理实验室 5 14 2.0 3.0
5 薛凤凤 空军工程大学电讯工程学院 6 5 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (3)
共引文献  (10)
参考文献  (4)
节点文献
引证文献  (3)
同被引文献  (8)
二级引证文献  (5)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
聚类算法
粒子群
模糊C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