结合蚁群算法的改进粗糙K均值聚类算法

• 作者: 刘洋 张小红 王慧琴
• 来源期刊: 数据采集与处理
• 学科: 工学
• 关键词: 聚类 K均值 蚁群算法 粗糙集 目标函数
• 年，卷（期）: 2019,（2）
• 页码范围: 341-348
• 页数: 8页
• 分类号: TP312
• 字数: 5545字
• 语种: 中文
• DOI: 10.16337/j.1004-9037.2019.02.017

摘要

粗糙集理论是一种处理边界对象不确定的有效方法.将粗糙集与K均值结合的粗糙K均值聚类算法, 具有简单高效且可处理聚类边界元素的特点, 但同时存在缺陷.针对粗糙K均值聚类算法对初始点敏感, 经验权重设置忽略数据差异性, 阈值设置不合理导致聚类结果波动性大的缺陷, 本文提出结合蚁群算法的改进粗糙K均值聚类算法, 改进的算法中使用蚁群算法中随机概率选择策略和信息素更新的正负反馈机制, 以及采用动态调整算法阈值和相关权重的方法, 对粗糙K均值聚类算法进行优化.最后采用UCI的Iris、Balance-scale和Wine数据集分别对算法进行实验.实验结果表明, 改进后的粗糙K均值聚类算法得到的聚类结果准确率更高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王慧琴	西安建筑科技大学信息与控制工程学院	128	1203	18.0	29.0
5	刘洋	西安建筑科技大学信息与控制工程学院	25	108	6.0	9.0
6	张小红	西安建筑科技大学管理学院	10	27	2.0	4.0