文献类型：期刊文章

作　　者：潘晓英[1,2,3] 刘芳[4] 焦李成[2,3]

机构地区：[1]西安邮电学院计算机科学与技术系,陕西西安710061 [2]西安电子科技大学智能信息处理研究所,陕西西安710071 [3]智能感知与图像理解教育部重点实验室,陕西西安710071 [4]西安电子科技大学计算机学院,陕西西安710071

出　　处：《软件学报》

基　　金：国家自然科学基金Nos.60703107;60703108;国家高技术研究发展计划(863)No.2006AA01Z107~~

年　　份：2010

卷　　号：21

期　　号：10

起止页码：2420-2431

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：采用密度敏感距离作为数据相似性度量,并基于多智能体进化的思想提出了一种密度敏感的多智能体进化聚类(density sensitive based multi-agent evolutionary clustering,简称DSMAEC)算法.算法设计了一种基于连接的编码方式,通过解码过程可直接得到最终的聚类结果,无需事先确定聚类类别数,有效地克服了对领域知识的依赖.针对聚类问题,设计了3个有效的进化算子来模拟智能体间的竞争、合作和自学习行为,共同完成智能体的进化,最终达到对数据聚类的目的.分别对人工数据集、UCI数据集以及合成纹理图像进行仿真,实验结果表明,该算法不但可以自动确定聚类类别数,而且能够应付不同结构的数据,适应不同的聚类要求,具有较强的实用价值.

关 键 词：密度敏感距离  无监督聚类 多智能体进化  k近邻变异  

分 类 号：TP18]