基于K—means的改进人工蜂群聚类算法

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

蜂群（ＡＢＣ）聚类算法。将改进的人工蜂群算法和Ｋ．ｍｅａｎｓ迭代相结合，使算法对初始聚类中心的依赖性和陷入局部最优解的可能性降低，提高了算法的稳定性。通过基于反向学习的初始化策略，增强了初始群体的多样性。利用非线性选择策略，改善了过早收敛问题，提高了搜索效率。通过对邻域搜索范围的动态调整，提高了算法收敛速度，增强了
ｏｐｔｉｍｕｍ，ａｎＡｒｔｉｉｆｃｉａｌＢｅｅＣｏｌｏｎｙ（ＡＢＣ）ｃｌｕｓｔｅｉｒｎｇｌａｇｏｒｉｔｈｍｂａｓｅｄｏｎＫ－ｍｅａｎｓｗａｓｐｒｏｐｏｓｅｄｉｎｔｈｉｓｐａｐｅｒ．Ｔｈｉｓａｌｇｏｉｒｔｈｍ
ＩｍｐｒｏｖｅｄａｒｔｉｉｃｆｉａｌｂｅｅｃｏｌｏｎｙｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＫ－ｍｅａｎｓ
ＣＡｏＹｏｎｇｃｈｕｎ‘ ．ＣＡＩＺｈｅｎｇｑｉ．ＳＨＡ０Ｙａｂｉｎ
ＪｏｕｒｎａｌｏｔＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓ
ＩＳＳＮ１００１．９０８１
２０ｌ４．０１．１０
计算机应用，２０１４，３４（１）：２０４—２０７，２１７文章编号：１００１ — ９０８１（２０１４）０１ — ０２４— ００４
曹永春 ’ ，蔡正琦，邵亚斌
（西北民族大学数学与计算机科学学院，兰州７３００３０）（｝通信作者电子邮箱ｅｙｃｈ３３９０８＠１６３．ｃｏｎ）
摘
要：针对Ｋ — ｍｅａｎｓ聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点，提出一种基于Ｋ－ｍｅａｎｓ的人工
ｉｎｔｅｇｎ［ ’ ａｔｅｄｔｈｅｉｍｐｒｏｖｅｄＡＢＣｌｇａｏｉｒｔｈｍｗｉｔｈｔｈｅＫ－ｍｅａｎｓｉｔｅｒａｔｉｏｎ，ｗｈｉｃｈｒｅｄｕｃｅｄｔｈｅｄｅｐｅｎｄｅｎｃｅｏｎｔｈｅｉｎｉｔｉｌａｃｌｕｓｔｅｉｎｒｇｃｅｎｔｅｒｓａｎｄｔｈｅｐｒｏｂａｂｉｌｉｔｙｔｏｂｅｔｒａｐｐｅｄｂｙｌｏｃａｌｏｐｔｉｍｕｍ，ｔｈｕｓｉｍｐｒｏｖｉｎｇｔｈｅｓｔａｂｉｌｉｔｙｏｆｔｈｅｌｇａｏｒｉｔｈｍ．Ｔｈｅｉｎｉｔｉｌｉａｚａｔｉｏｎｓｔｒａｔｅｇｙｂａｓｅｄｏｎｔｈｅｏｐｐｏｓｉｔｉｏｎ — ｂａｓｅｄｌｅａｎｉｒｎｇｉｍｐｒｏｖｅｄｔｈｅｄｉｖｅｒｓｉｔｙｏｆｔｈｅｉｎｉｔｉｌａｐｏｐｕｌａｔｉｏｎ．Ｔｈｅｌｇａｏｉｔｒｈｍｏｖｅｒｃａｍｅｔｈｅｐｒｏｂｌｅｍｏｆｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅａｎｄｉｍｐｒｏｖｅｄｔｈｅｅｉｃｆｉｅｎｃｙｏｆｓｅａｒｃｈｉｎｇｔｈｒｏｕｇｈｉｎｔｒｏｄｕｃｉｎｇｎｏｎｌｉｎｅａｒｓｅｌｅｃｔｉｏｎｓｔｒａｔｅｇｙ．
（ＳｃｈｏｏｌｏｆＭａｔｈｅｍａｔｉｃｓａｎｄＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＮｏａｈｗｅｓｔＵｎｉｖｅｒｓｉｔｙｆｏｒＮａｔｉｏｎａｌｉｔｉｅｓ，ＬａｎｚｈｏｕＧａｎｓｕ７３００３０，Ｃｈｉｎａ）
Ｃ０ＤＥＮＪＹＩＩＤＵ
ｈｔｔｐ：／／ｗｗｗ．ｊｏｃａ．ｅｎ
ｄｏｓｎ．１００１ — ９０８１．２０１４．０１．０２０４
基于Ｋ— ｍｅａｎｓ的改进人工蜂群聚类算法
局部寻优能力。实验结果表明，该算法不仅克服了Ｋ — ｍｅａｎｓ算法稳定性差的缺点，而且具有良好的性能和聚类效果。
关键词：人工蜂群算法；聚类分析；Ｋ－ｍｅａｎｓ；反向学习；非线性选择
中图分类号：ＴＰ３０１．６文献标志码：Ａ
Ａｂｓｔｒａｃｔ：ＳｉｎｃｅｔｈｅＫ－ｍｅａｎｓｃｌｕｓｔｅｉｒｎｇｍｅｔｈｏｄｉｓｓｅｎｓｉｔｉｖｅｔｏｉｎｉｔｉａｌｃｌｕｓｔｅｉｒｎｇｃｅｎｔｅｒｓａｎｄｅａｓｙｔｏｂｅｔｒａｐｐｅｄｂｙｌｏｃａｌ