基于改进鱼群和K-means的混合聚类算法

• 作者: 刘柏嵩 刘薇 王洋洋
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 人工鱼群 K-均值 聚类 粒子群 混合算法
• 年，卷（期）: 2013,（22）
• 所属期刊栏目: 数据库、数据挖掘、机器学习
• 页码范围: 119-122
• 页数: 4页
• 分类号: TP18
• 字数: 4107字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1305-0320

摘要

针对传统K-means算法存在的缺陷，引进人工鱼群算法，提出了一种基于改进鱼群和K-means的混合聚类算法。聚类样本中心点初始化时，人工鱼各维参数随机选择在对应属性两个极值之间，同时为了降低计算复杂度，提高收敛效率，寻找全局最优，首先对随机选取的一小部分人工鱼进行K-means操作，然后对全体人工鱼的追尾算子引入粒子群策略，引导其学习，模拟人工鱼的行为。通过Matlab仿真实现算法，在费雪鸢尾花卉数据集和葡萄酒质量数据集进行了实验，算法的有效性和可行性得到了验证。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘柏嵩	宁波大学网络中心	48	518	13.0	21.0
2	王洋洋	宁波大学信息科学与工程学院	10	64	4.0	8.0
3	刘薇	宁波大学信息科学与工程学院	4	23	3.0	4.0