文献类型：期刊文章

作　　者：刘薇[1] 刘柏嵩[2] 王洋洋[1]

机构地区：[1]宁波大学信息科学与工程学院,浙江宁波315211 [2]宁波大学网络中心,浙江宁波315211

出　　处：《计算机工程与应用》

基　　金：国家社会科学基金(No.08CTQ014);大学数字图书馆国际合作计划(No.B2014)

年　　份：2013

卷　　号：49

期　　号：22

起止页码：119-122

语　　种：中文

收录情况：AJ、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、ZGKJHX、普通刊

摘　　要：针对传统K-means算法存在的缺陷,引进人工鱼群算法,提出了一种基于改进鱼群和K-means的混合聚类算法。聚类样本中心点初始化时,人工鱼各维参数随机选择在对应属性两个极值之间,同时为了降低计算复杂度,提高收敛效率,寻找全局最优,首先对随机选取的一小部分人工鱼进行K-means操作,然后对全体人工鱼的追尾算子引入粒子群策略,引导其学习,模拟人工鱼的行为。通过Matlab仿真实现算法,在费雪鸢尾花卉数据集和葡萄酒质量数据集进行了实验,算法的有效性和可行性得到了验证。

关 键 词：人工鱼群 K-均值 聚类 粒子群  混合算法

分 类 号：TP18]