排序方式: 共有5条查询结果,搜索用时 31 毫秒
1
1.
聚类是数据挖掘领域的重要研究内容之一。针对遗传聚类算法较好的稳定性与粒子群优化算法较强的局部搜索能力,在交叉、变异算子后叠加粒子群优化算子的方法实现了二者的结合,提出了GAPSO聚类算法,既保持了遗传算法的稳定性与泛化性的优势,又发挥了PSO算法收敛效率高的特点。通过对10组二维空间上的聚类样本进行实验研究显示,GAPSO聚类算法在收敛效率上显著优于GA聚类算法,在稳定性上优于PSO聚类算法。 相似文献
2.
聚类是数据挖掘领域的重要研究内容之一。参考基于元胞自动机距离变换算法模型,构建了基于CA模型的凝固聚类算法,该算法在CA模型演化的过程中,可以产生完整的层次聚类结果,同时对簇间的距离实现了度量,能够处理形状复杂的聚类对象,具有较好的向高维空间的推广能力以及并行计算的特性。最后通过两组聚类数据进行了实证研究,验证了该算法的有效性。 相似文献
3.
发现离群点并合理地解释离群点对数据挖掘结果的运用有重要意义,通过对离群点属性的检测可以发现其离群特性,进而更加准确地解释聚类结果。针对在聚类结果中出现的不同离群点及其特性,提出将层次聚类算法应用于离群点分析,通过元胞自动机距离变换算法实现凝固层次聚类,实现了簇间距离的度量;定义了演化周期上的平均度量距离,能够发现不同聚类层次上的离群点及其离群特性。该算法能够在得到聚类结果的同时,有效地解释离群点的属性,并具有较低的计算复杂度和并行计算以及向高维空间扩展的特性。通过试验数据进行了实证研究,验证了算法的有效性。 相似文献
4.
5.
基于主成分聚类算法的陕西省环境协调性分析 总被引:1,自引:0,他引:1
环境问题是21世纪全世界面临的重大课题,将数据挖掘技术用于对环境问题的研究极大地促进了环境问题中定性研究与定量研究的结合.在充分调研分析的基础上选取了衡量陕西省11地市环境污染与治理状况的两套指标体系,首选用主成分分析法对指标体系进行降维处理;其次采用聚类方法将其分为三类,结合当地实际,通过环境污染与治理现状的对比分析可以有效衡量各地区环境污染与环境治理协调发展的程度,仿真实验结果与实际情况基本相符,并在此基础上提出了具有参考价值的建议,为相关部门提供决策支持. 相似文献
1