一種改進(jìn)的人工蜂群算法與KECM迭代結(jié)合的聚類(lèi)算法
推薦 + 挑錯(cuò) + 收藏(0) + 用戶評(píng)論（0）
針對(duì)核模糊C均值（ KFCM）算法對(duì)初始聚類(lèi)中心敏感、易陷入局部最優(yōu)的問(wèn)題，利用人工蜂群（ABC）算法的構(gòu)架簡(jiǎn)單、全局收斂速度快的優(yōu)勢(shì)，提出了一種改進(jìn)的人工蜂群算法（ IABC）與KFCM迭代相結(jié)合的聚類(lèi)算法。首先，以IABC求得最優(yōu)解作為KFCM算法的初始聚類(lèi)中心，IABC在迭代過(guò)程中將與當(dāng)前維度最優(yōu)解的差值的變化率作為權(quán)值，對(duì)雇傭蜂的搜索行為進(jìn)行改進(jìn)，平衡人工蜂群算法的全局搜索與局部開(kāi)采能力；其次，以類(lèi)內(nèi)距離和類(lèi)間距離為基礎(chǔ)，構(gòu)造出適應(yīng)KFCM算法的適應(yīng)度函數(shù)，利用KFCM算法優(yōu)化聚類(lèi)中心；最后，IABC和KFCM算法交替執(zhí)行，實(shí)現(xiàn)最佳聚類(lèi)效果。采用3組Benchmark測(cè)試函數(shù)6組UCI標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行仿真實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明，與基于改進(jìn)人工蜂群的廣義模糊聚類(lèi)（IABC-KGFCM）相比，IABC-KFCM對(duì)數(shù)據(jù)集的聚類(lèi)有效性指標(biāo)提高1到4個(gè)百分點(diǎn)，具有魯棒性強(qiáng)和聚類(lèi)精度高的優(yōu)勢(shì)。
?
非常好我支持^.^
(0) 0%
不好我反對(duì)
(0) 0%
下載地址
一種改進(jìn)的人工蜂群算法與KECM迭代結(jié)合的聚類(lèi)算法下載
相關(guān)電子資料下載
- 基于K-means聚類(lèi)算法的圖像分割 1113
- 介紹一種基于最小化平方誤差的聚類(lèi)算法 498
- 如何在 Python 中安裝和使用頂級(jí)聚類(lèi)算法 415
- 10種聚類(lèi)算法和Python代碼4 1118
- 10種聚類(lèi)算法和Python代碼3 960
- 10種聚類(lèi)算法和Python代碼2 796
- 10種聚類(lèi)算法和Python代碼1 644
- YOLOv5中的autoanchor.py代碼解析 1242
- 視覺(jué)新范式！COCs：將圖像視為點(diǎn)集 636
- 10種頂流聚類(lèi)算法Python實(shí)現(xiàn)（附完整代碼） 989