离散多目标量子微粒群聚类算法

• 作者: 夏长红 孙晓燕 巩敦卫 张勇 王庆
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 聚类 微粒群优化 多目标 离散变量
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 204-213
• 页数: 10页
• 分类号: TP181
• 字数: 7018字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201703002

摘要

聚类是数据挖掘中重要的数据处理方法.文中提出改进的离散多目标量子微粒群聚类算法.针对类中心数目未知的情况,引入整数编码策略,基于Canopy策略预测类中心的数目,设计有效的微粒群初始化策略.通过引入与、并和差异算子,定义改进的离散量子微粒更新公式.将文中算法应用于7组真实数据集,并对比2种典型单目标聚类算法和3种多目标聚类算法,验证文中算法性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	巩敦卫	中国矿业大学信息与控制工程学院	117	1590	22.0	32.0
2	孙晓燕	中国矿业大学信息与控制工程学院	37	544	14.0	22.0
3	张勇	中国矿业大学信息与控制工程学院	170	1962	24.0	38.0
4	王庆	中国矿业大学信息与控制工程学院	6	17	3.0	3.0
5	夏长红	中国矿业大学信息与控制工程学院	3	13	2.0	3.0