一种基于FOA与Autoencoder改进的聚类算法

• 作者: 朱斌 梁胜彬 渠慎明
• 来源期刊: 河南大学学报（自然科学版）
• 学科: 工学
• 关键词: 聚类分析 K-means Autoencoder 果蝇优化算法 健康体检数据
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 70-79
• 页数: 10页
• 分类号: TP389.1
• 语种: 中文

摘要

K-means算法普遍应用在数据聚类分析,然而K-means算法具有不稳定性等缺陷,缺乏有效的降维能力,面对大量高维体检数据时聚类效果不佳.针对该问题,文中提出了一种基于FOA与Autoencoder的聚类改进算法,将K-means算法和Autoencoder模型结合,使用Antoencoder进行数据降维,并采用变步长果蝇优化算法的变减步长策略对Autoencoder的权重和偏移初始化方法进行改进.该算法可提高对健康体检数据聚类分析的准确度和效率,聚类轮廓系数也大幅提升,该算法应用于居民健康状况分析、疾病预测等方面表现出了较高的效率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	渠慎明		17	26	2.0	4.0
2	梁胜彬		18	22	3.0	4.0
3	朱斌		1	0	0.0	0.0