一种基于竞争型群体优化的数据聚类方法

• 作者: 曹步清 秦映波 邓春晖
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: 聚类 竞争型群体优化 UCI数据集
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 数据库与数据挖掘
• 页码范围: 75-79,100
• 页数: 6页
• 分类号: TP311
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2019.01.014

摘要

数据聚类在智能信息处理中具有非常重要的作用.传统的数据聚类方法,如K-means算法,存在对初始聚类中心敏感等问题.随着智能优化算法的发展,人们用智能优化算法进行数据聚类取得了一定的效果,但存在容易陷入局部最优等问题.为此,本文将在高维优化问题中取得良好效果的竞争型群体优化算法中引入数据聚类,利用竞争型群体优化算法强大的全局探索能力搜索聚类中心进行数据聚类,在UCI的5个数据集上的实验结果表明竞争型群体优化算法比遗传算法、粒子群算法不仅能得到更好的聚类效果,而且收敛性能更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	秦映波	华南理工大学广州学院计算机工程学院	7	27	3.0	5.0
2	曹步清	湖南科技大学计算机科学与工程学院	31	107	6.0	8.0
3	邓春晖	华南理工大学广州学院计算机工程学院	4	10	2.0	3.0