多元宇宙优化算法应用于聚类分析

• 作者: 吴易轩 周永权 潘魏
• 来源期刊: 广西科学
• 学科: 工学
• 关键词: 数据挖掘 k-均值 聚类问题 多元宇宙算法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 计算科学
• 页码范围: 263-273,278
• 页数: 12页
• 分类号: TP186
• 语种: 中文
• DOI: 10.13656/j.cnki.gxkx.20170605.001

摘要

[目的]聚类是数据分析和数据挖掘技术中最重要的概念,其中,k-均值聚类算法是最常用的方法之一.然而,k-均值聚类算法高度依赖于初值,容易陷入局部最优解.为了克服k-均值聚类算法存在的不足,[方法]本研究提出一种利用多元宇宙算法(MVO)解决聚类分析问题的新算法,并进行一些数据集测试实验.[结果]数值模拟实验表明多元宇宙算法解决聚类问题效果优于人工蜂群(ABC)算法,布谷鸟搜索(CS)算法、粒子群优化(PSO)算法等.[结论]在大多数测试数据集的情况下多元宇宙算法解决聚类分析问题具有收敛速度快、聚类精度高和稳定性好的优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周永权	广西民族大学信息科学与工程学院	198	2214	25.0	38.0
3	吴易轩	广西民族大学信息科学与工程学院	2	0	0.0	0.0
6	潘魏	广西民族大学信息科学与工程学院	1	0	0.0	0.0