基于自适应蜂群优化的DBSCAN聚类算法

• 作者: 朱海湾 毛伊敏 胡健
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: DBSCAN算法 人工蜂群优化算法 截断-锦标赛选择机制 自适应步长策略 聚类
• 年，卷（期）: 2019,（14）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 105-114
• 页数: 10页
• 分类号: TP399
• 字数: 11572字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1812-0094

摘要

针对传统的DBSCAN(Density-Based Spatial Clustering of Application with Noise,DBSCAN)聚类算法全局参数设置不合理、参数选取困难、无法识别重叠模块的问题,以及人工蜂群优化算法(Artificial Bees Colony, ABC)后期收敛速度慢、易陷入局部最优等缺陷进行了研究,提出一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN.该算法将截断选择机制与锦标赛选择机制相结合,提出一种截断-锦标赛选择机制(Truncation-Championship Selection Mechanism,TCSM),以增强种群多样性、避免跟随蜂选择蜜源陷入局部最优的缺陷;提出一种自适应步长策略(Adaptive Step Strategy,ASS)动态调整跟随蜂的搜索方式,以提高算法局部搜索能力和聚类速度;根据改进的IABC算法动态调节DBSCAN算法中的最优参数,将蜜源位置对应ε邻域,蜜源的适应度大小对应DBSCAN的聚类效果,并在多种测试函数和数据集上进行验证.实验结果表明,该算法不仅有效克服ABC和DBSCAN算法的缺陷,且正确率和召回率均有较大提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡健	江西理工大学应用科学学院	34	173	6.0	12.0
2	毛伊敏	江西理工大学信息工程学院	48	203	8.0	12.0
3	朱海湾	江西理工大学信息工程学院	3	5	1.0	2.0