基于闻香识源的改进人工蜂群聚类算法 |
| |
作者单位: | ;1.许昌学院信息工程学院 |
| |
摘 要: | 为了克服传统K-Means算法初始聚类中心选择的盲目性,提高聚类精度和聚类结果的稳定性,提出一种基于闻香识源的人工蜂群聚类算法,用于数据聚类.该算法首先利用样本数据稠密度反馈的信息(花香)来寻找初始聚类中心,接着交替进行K-Means聚类,人工蜂群在高密度数据区以贪婪原则搜索最佳聚类中心,往复多次以达到良好且稳定的聚类效果.实验表明该算法简单高效,聚类效果好.
|
关 键 词: | 蜂群算法 数据聚类 K-Means 初始聚类中心 距离矩阵 密度分布 |
An Improved ABC Clustering Algorithm Based on Scent of a Source |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|