首页 | 本学科首页   官方微博 | 高级检索  
     

密度蚂蚁思想的K-Means算法的研究
引用本文:何健,张聪. 密度蚂蚁思想的K-Means算法的研究[J]. 制造业自动化, 2012, 34(4): 1-3,19
作者姓名:何健  张聪
作者单位:武汉工业学院计算机与信息工程系,武汉,430023
基金项目:2010年湖北省教育厅科研项目:面向3G通信的移动音频关键技术研究(D20101704)
摘    要:遗传算法具有快速良好的全局搜索能力,而蚁群聚类算法具有良好的分布式并行性和正反馈能力.K-Means、基于密度的聚类是常见的基于分割的聚类方法,它在处理空间数据时具有快速、有效处理噪声点和发现任意形状的聚类等优点.聚类算法概述聚类分析是数据挖掘领域中的一项重要的研究课题,本文主要研究是将遗传算法,蚂蚁算法、K-Means算法、密度思想结合在一起,提出了一种基于密度蚂蚁思想的K-Means算法,采用密度函数法的多中心聚类并结合小类合并运算的聚类结果明显优于K-means的聚类结果,提高了聚类的质量.再结合密度思想,使蚂蚁有选择地遍历,提高了算法效率,并克服了基于密度的算法不能发现任意形状聚类的问题.

关 键 词:聚类分析  蚂蚁算法  K-Means  密度  数据

On K-Means clustering analysis combined with ant colony algorithm
HE Jian , ZHANG Cong. On K-Means clustering analysis combined with ant colony algorithm[J]. Manufacturing Automation, 2012, 34(4): 1-3,19
Authors:HE Jian    ZHANG Cong
Affiliation:HE Jian,ZHANG Cong
Abstract:
Keywords:
本文献已被 CNKI 万方数据 等数据库收录!
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号