一種改進的人工蜂群算法與KECM迭代結合的聚類算法
大小：0.78 MB 人氣：0 2017-11-28 需要積分：1
針對核模糊C均值（ KFCM）算法對初始聚類中心敏感、易陷入局部最優(yōu)的問題，利用人工蜂群（ABC）算法的構架簡單、全局收斂速度快的優(yōu)勢，提出了一種改進的人工蜂群算法（ IABC）與KFCM迭代相結合的聚類算法。首先，以IABC求得最優(yōu)解作為KFCM算法的初始聚類中心，IABC在迭代過程中將與當前維度最優(yōu)解的差值的變化率作為權值，對雇傭蜂的搜索行為進行改進，平衡人工蜂群算法的全局搜索與局部開采能力；其次，以類內距離和類間距離為基礎，構造出適應KFCM算法的適應度函數(shù)，利用KFCM算法優(yōu)化聚類中心；最后，IABC和KFCM算法交替執(zhí)行，實現(xiàn)最佳聚類效果。采用3組Benchmark測試函數(shù)6組UCI標準數(shù)據集進行仿真實驗，實驗結果表明，與基于改進人工蜂群的廣義模糊聚類（IABC-KGFCM）相比，IABC-KFCM對數(shù)據集的聚類有效性指標提高1到4個百分點，具有魯棒性強和聚類精度高的優(yōu)勢。
?
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
一種改進的人工蜂群算法與KECM迭代結合的聚類算法下載
相關電子資料下載
- 基于K-means聚類算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類算法 498
- 如何在 Python 中安裝和使用頂級聚類算法 415
- 10種聚類算法和Python代碼4 1118
- 10種聚類算法和Python代碼3 960
- 10種聚類算法和Python代碼2 796
- 10種聚類算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺新范式！COCs：將圖像視為點集 636
- 10種頂流聚類算法Python實現(xiàn)（附完整代碼） 989