基于闻香识源的改进人工蜂群聚类算法

• 作者: 李梅莲 郭超峰
• 来源期刊: 河南大学学报（自然科学版）
• 学科: 工学
• 关键词: 蜂群算法 数据聚类 K-Means 初始聚类中心 距离矩阵 密度分布
• 年，卷（期）: 2017,（5）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 552-559
• 页数: 8页
• 分类号: TP301
• 字数: 5272字
• 语种: 中文

摘要

为了克服传统K-Means算法初始聚类中心选择的盲目性,提高聚类精度和聚类结果的稳定性,提出一种基于闻香识源的人工蜂群聚类算法,用于数据聚类.该算法首先利用样本数据稠密度反馈的信息(花香)来寻找初始聚类中心,接着交替进行K-Means聚类,人工蜂群在高密度数据区以贪婪原则搜索最佳聚类中心,往复多次以达到良好且稳定的聚类效果.实验表明该算法简单高效,聚类效果好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郭超峰	许昌学院信息工程学院	21	102	5.0	9.0
2	李梅莲	许昌学院信息工程学院	23	65	5.0	7.0