两阶段混合粒子群优化聚类OA北大核心CSCDCSTPCD
Two-Step Hybrid PSO-Based Clustering Algorithm
为解决数据集样本维数较高时已有粒子群优化K均值算法计算速度较慢且聚类结果不稳定的问题,利用第1阶段聚类层次凝聚聚类获得准确率较高的子簇集合,作为粒子群优化K均值聚类算法初始聚类中心的搜索空间,进行第2阶段聚类.提出了一种简化的粒子编码方法,以减小样本维数对计算复杂度的影响；引入混沌的思想,以保持粒子种群的多样性,从而避免粒子群优化算法可能出现的早熟现象.通过两阶段聚类,有效地融合了粒子群优化、层次聚类与划分聚类算法的优点.在多个UCI数据集上的聚…查看全部>>
In order to solve the problems of the existing PSO (particle swarm optimization) K-means algorithms, i. e. , their calculation speeds are slow and the clustering results are unstable when samples have a high dimension, some high-quality sub-clusters were generated by hierarchical agglomerative clustering. These sub-clusters were used as the search space of candidate centroids of the PSO K-means. In order to reduce the computational complexity when the dimens…查看全部>>
王纵虎;刘志镜;陈东辉
西安电子科技大学计算机学院,陕西西安710071西安电子科技大学计算机学院,陕西西安710071西安电子科技大学计算机学院,陕西西安710071
信息技术与安全科学
聚类相异度粒子群优化粒子编码初始聚类中心
clustering dissimilarity particle swarm optimization particle encoding initial centroid
《西南交通大学学报》 2012 (6)
基于视频传感网络的群体行为感知与异常个体协同跟踪
1034-1040,1063,8
国家科技支撑计划资助项目(2012BAH01F00)国家自然科学基金资助项目(61173091)
评论