基于混合粒子群和蚁群算法融合的聚类算法

• 作者: 张之明 胡人远
• 来源期刊: 武警工程大学学报
• 学科: 工学
• 关键词: 数据挖掘 粒子群算法 混合粒子群算法 云模型 蚁群算法 聚类
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 军事通信学研究
• 页码范围: 15-19
• 页数: 5页
• 分类号: TP311
• 语种: 中文

摘要

针对基于遗传与蚁群算法融合的聚类算法(Clustering Algorithm based on Genetic and Ant Colony Algorithm,GA2C2A)存在局部搜索能力差、易陷入局部最优及遗传算法操作复杂的问题,提出了基于混合粒子群和蚁群算法融合的聚类算法(Clustering Algorithm based on Hybrid Particle Swarm and Ant Colony Algorithm Integration,HPSO-ACA).算法首先针对标准粒子群算法存在的缺陷进行了改进,形成了局部搜索能力强、操作实现简单的混合粒子群算法,并用来代替遗传算法与蚁群算法结合.以加州大学的3种数据集为对象进行数据聚类实验.结果表明,与基于遗传与蚁群算法融合的聚类算法相比,该算法在聚类性能上有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张之明	武警工程大学信息工程系	15	70	4.0	8.0