结合蚁群算法的改进粗糙K均值聚类算法
发布时间：2024-08-09
点击次数：
- 所属单位：
- 信息与控制工程学院
- 发表刊物：
- 数据采集与处理
- 关键字：
- 聚类;K均值;蚁群算法;粗糙集;目标函数;
- 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。
- 第一作者：
- 王慧琴
- 论文类型：
- 期刊论文
- 通讯作者：
- 刘洋,张小红
- 学科门类：
- 工学
- 卷号：
- 中文核心期刊:341-348,8
- ISSN号：
- 1004-9037
- 是否译文：
- 否
- 发表时间：
- 2019-03-15