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:
针对聚类划分问题,提出一种基于改进人工蜂群和最近邻原则的无监督聚类方法.该方法将每个蜜源作为聚类问题的一个可行解,设计了蜜蜂的多维编码结构.为了有效执行聚类,依据采蜜蜂和跟随蜂局部搜索阶段选择的较优聚类中心,利用k均值算法中的最近邻原则划分聚类空间的所有模式.为了使蜜蜂有较强的局部和全局搜索能力,根据聚类问题特点,提出了新的局部和全局搜索方法.仿真实验结果表明了新方法的可行性和高效性.
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
基于人工蜂群的项聚类推荐算法
协同过滤
推荐算法
人工蜂群
时间权重函数
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
基于全局信息的人工蜂群聚类算法
人工蜂群算法
聚类
群体智能
搜索策略
全局信息
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 基于人工蜂群和最近邻原则的无监督聚类方法
来源期刊 计算机应用与软件 学科 工学
关键词 无监督聚类 人工蜂群 最近邻 k均值 粒子群优化
年,卷(期) 2012,(12) 所属期刊栏目 基金项目论文
研究方向 页码范围 65-68
页数 4页 分类号 TP301.6
字数 4007字 语种 中文
DOI 10.3969/j.issn.1000-386x.2012.12.019
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 董金新 聊城大学计算机学院 6 26 4.0 5.0
2 亓民勇 聊城大学计算机学院 7 34 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (30)
参考文献  (5)
节点文献
引证文献  (4)
同被引文献  (16)
二级引证文献  (7)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1984(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)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(4)
  • 参考文献(2)
  • 二级参考文献(2)
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)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(2)
  • 引证文献(0)
  • 二级引证文献(2)
2020(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
无监督聚类
人工蜂群
最近邻
k均值
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
计算机应用与软件
月刊
1000-386X
31-1260/TP
大16开
上海市愚园路546号
4-379
1984
chi
出版文献量(篇)
16532
总下载数(次)
47
总被引数(次)
101489
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导