基于改进粒子群优化的无标记数据鲁棒聚类算法

• 作者: 朱楠 茹蓓 贺新征
• 来源期刊: 计算机应用研究
• 关键词: 多目标粒子群优化 聚类算法 鲁棒性 帕累托最优解 无标记数据
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 1626-1630
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2017.06.006

摘要

已有的聚类算法大多仅考虑单一的目标,导致对某些形状的数据集性能较弱,为此提出一种基于改进 粒子群优化的无标记数据鲁棒聚类算法.优化阶段:首先采用多目标粒子群优化的经典形式生成聚类解集合;然后使用K-means算法生成随机分布的初始化种群,并为其分配随机初始化的速度;最终,采用maximin策略确定帕累托最优解.决策阶段:测量帕累托解集与理想解的距离,将距离最短的帕累托解作为最终聚类解.对比实验结果表明,本算法对不同形状的数据集均可获得较优的类簇数量,对目标问题的复杂度具有较好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	茹蓓	新乡学院计算机与信息工程学院	15	46	5.0	6.0
2	贺新征	河南大学计算机与信息工程学院	8	47	4.0	6.0
3	朱楠	新乡学院计算机与信息工程学院	22	46	4.0	6.0