文献类型：期刊文章

作　　者：张宇姣[1] 黄锐[2] 张福泉[2] 隋栋[3] 张虎[4]

ZHANG Yu-jiao;HUANG Rui;ZHANG Fu-quan;SUI Dong;ZHANG Hu(Academic Affairs Office,Taiyuan Normal University,Jinzhong,Shanxi 030619,China;School of Computer Science,Beijing Institute of Technology,Beijing 100081,China;School of Electrical and Information Engineering,Beijing University of Civil Engineering and Architecture,Beijing 102406,China;School of Computer and Information Technology(School of Big Data),Shanxi University,Taiyuan 030006,China)

机构地区：[1]太原师范学院教务处,山西晋中030619 [2]北京理工大学计算机学院,北京100081 [3]北京建筑大学电气与信息工程学院,北京102406 [4]山西大学计算机与信息技术学院(大数据学院),太原030006

出　　处：《计算机科学》

基　　金：国家自然科学基金面上项目(61871204);国家自然科学青年基金(61702026)。

年　　份：2022

卷　　号：49

期　　号：5

起止页码：165-169

语　　种：中文

收录情况：BDHX、BDHX2020、CSCD、CSCD_E2021_2022、DOAJ、IC、JST、RCCSE、UPD、ZGKJHX、核心刊

摘　　要：为了提高近邻传播聚类算法的聚类性能,采用菌群算法进行近邻传播偏向参数优化求解。首先,根据待聚类样本建立相似矩阵,初始化偏向参数;然后采用菌群算法优化偏向参数,将偏向参数作为菌落进行训练,设置轮廓(Silhouette)指标值作为菌群算法的适应度函数;接着通过菌落位置更新优化后的偏向参数,进行近邻传播聚类运算,不断更新近邻传播聚类算法的决策和潜力阵;最后获得稳定的聚类结果。实验结果表明,合理设置菌群优化算法的参数,能够获得较好的聚类效果。在电商数据集和UCI数据集中,相比常用聚类算法,所提算法能够获得更高的Silhouette指标值和最短的欧氏距离,在聚类分析中的适用度较高。

关 键 词：近邻传播  聚类 菌群优化  偏向参数  

分 类 号：TP391]