China S&T Journals

Issue(11)：12-13,2.

Issue(11)：12-13,2.
Issue(11)

10 per page

10 per page
20 per page
Issue(11)：12-13,2.

50 Articles

基于Leader的K均值改进算法北大核心CSCDCSTPCD
Authors：张琼张莹白清源谢丽聪谢伙生
《福州大学学报（自然科学版）》 Issue 4,2008
Keywords：聚类K均值算法Leader算法
Abstract：研究了K均值算法中初始聚类中心的选择对算法本身聚类精度及效率的影响,并提出了改进的算法(LK(算法,Leader+K-means).LK算法中的初始聚类中心选择不是随机的,而是利用Leader算法得到若干个初始类中心,然后选择包含数据项最多的k个类中心,作为K均值算法的初始类中心.实验结果表明,LK算法在聚类结果的稳定性和正确率方面都是有效可行的.
一种快速的图像区域分割算法CSTPCD
Authors：汪彦阳爱民涂立邱密
《计算机应用与软件》 Issue 5,2009
Keywords：图像区域分割聚类meanshift算法K均值算法
Abstract：提出一种新的快速图像区域分割算法.这种方法首先抽取图像所有像素点的颜色、纹理与位置特征,并将图像划分成子块,以子块内像素点特征的平均值作为子块的特征向量,然后运用Mean shift算法进行聚类,获得聚类簇数和初始蔟中心,最后再利用改进的K均值算法进行聚类,实现图像的快速分割.实验结果表明新方法不仅分割速度快,而且得到的分割结果稳定,避免了过度分割.
一种用于网络入侵检测的杂交聚类算法研究北大核心CSCDCSTPCD
Authors：肖立中邵志清钱夕元
《计算机工程》 2007年4期《计算机工程》 Issue 4,2007
Keywords：粒子群优化K均值算法全局优化入侵检测
Abstract：针对K均值聚类算法在全局优化中的不足,提出了基于粒子群的K均值(PSO-KM)聚类算法.粒子群优化算法作为一种基于群智能方法的演化计算技术,有很好的全局搜索能力.通过理论分析及实验证明,该算法有较好的全局收敛性,能有效地克服传统的K均值算法易陷入局部极小值的缺点.对KDD-99数据集的仿真实验结果表明,该算法在入侵检测中能获得令人满意的检测率和误检率.
基于遗传算法的K均值聚类分析北大核心CSCDCSTPCD
Authors：赖玉霞刘建平杨国兴
《计算机工程》 2008年20期《计算机工程》 Issue 20,2008
Keywords：K均值算法聚类中心遗传算法
Abstract：传统K均值算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动,容易陷入局部最优值.针对上述问题,该文提出一种基于遗传算法的K均值聚类算法,将K均值算法的局部寻优能力与遗传算法的全局寻优能力相结合,在自适应交叉概率和变异概率的遗传算法中引入K均值操作,以克服传统K均值算法的局部性和对初始中心的敏感性,实验证明,该算法有较好的全局收敛性,聚类效果更好.
一种新的基于粒子群密度的聚类算法北大核心
Authors：张宇吴昊陈怀新
《电讯技术》 2008年8期《电讯技术》 Issue 8,2008
Keywords：聚类分析粒子群优化算法初始化K均值算法数据分布
Abstract：提出了一种新的粒子群密度聚类算法和对粒子群的初始化方法.该算法具有传统粒子群算法寻找最优解的特点,同时从密度的角度考虑了数据总体的分布,增强了寻找局部最优解的能力,并通过对粒子群的初始化加快了粒子群的收敛速度,得到了更好的聚类效果.对仿真数据和IRIS真实数据的实验结果证明,该算法聚类效果优于传统粒子群聚类算法和K均值算法.
免疫克隆优化聚类技术北大核心CSCDCSTPCD
Authors：马文萍尚荣华焦李成
《西安电子科技大学学报（自然科学版）》 Issue 6,2007
Keywords：免疫克隆聚类K均值算法纹理图像分割
Abstract：将人工免疫系统中的克隆选择优化应用于无监督分类与识别问题,提出了一种新的免疫克隆聚类算法.该算法利用克隆算子能够同时在同一父代抗体周围的多个方向进行全局或局部搜索,促使种群中抗体快速进化,从而在特征空间内快速获得聚类问题的全局最优聚类中心,有效克服了经典聚类算法易陷入局部极值的缺点,并从理论上证明了该算法具有全局收敛性.对7个人工数据集的聚类实验和两幅纹理图像的分割实验表明:新算法比常用的K均值算法的平均分类精度高20.9%,比…More>>
基于社会演化算法的聚类新算法北大核心CHSSCDCSSCI
Authors：郝占刚王正欧
《情报杂志》 2006年5期《情报杂志》 2005，Vol.2
Keywords：聚类社会演化算法K均值算法
Abstract：K均值聚类算法通常只能以局部最优结束,很难找到全局最优.提出了一种基于社会演化算法和K均值算法相结合的聚类新算法.在该算法中提出了认知主体在聚类中对范式学习的新的方式.实验证明该算法能大大提高聚类的效率和精度.
一种基于路由信息的TCP流聚类方法北大核心CSCD
Authors：顾其威项阳
《深圳大学学报（理工版）》 Issue 3,2005
Keywords：计算机网络平凡流网络资源分配K均值算法流的聚类
Abstract：分析TCP流模式及传统网络资源分配中存在的问题,建立理想网络环境中的资源分配模型.提出一种新的流标记与分类方法,采用K均值算法对流进行聚类,改善运行best effort服务的IP网络中TCP流量资源分配的合理性和公平性.该方法具有较低的节点间通信代价和节点计算量,适合大型互联网络,且对网络用户透明.模拟实验证明该方法有效.
粒子群与K均值混合聚类的棉花图像分割算法CSCDCSTPCD
Authors：时颢赖惠成覃锡忠
《计算机工程与应用》 Issue 21,2013
Keywords：棉花分割YCbCr颜色空间K均值算法粒子群算法
Abstract：棉花分割是采棉机器人视觉系统的关键步骤，在强光照、阴影等复杂的棉田环境下准确有效地分割棉花，有助于确定其在三维空间的位置。针对棉花图片的特点，提出在YCbCr颜色空间下，采用粒子群（PSO）和K均值混合聚类算法，提高了聚类算法的全局搜索能力，根据群体适应度方差来确定K均值聚类算法操作时机，增强算法局部精确搜索能力的同时缩短了收敛时间。通过对棉田环境中拍摄图像的分割实验表明：本方法对在阳光直射及阴影等干扰条件下的棉花图片也能准确分割，效…More>>
多种群协同进化的K-means聚类算法北大核心CSCDCSTPCD
Authors：曲建华邵增珍
《南京师大学报（自然科学版）》 Issue 3,2010
Keywords：多种群微粒群算法K均值算法协同进化
Abstract：针对K均值聚类算法易陷入局部最小的缺点,提出了一种多种群协同进化的微粒群和K均值混合聚类算法,它将整个种群分解为多个子种群,各子种群独立进化,周期性地更新共享信息.同时将此算法与现有的基于遗传算法的K均值聚类算法进行了比较.实验结果证明,该算法能有效地克服传统的K均值算法易陷入局部极小值的缺点,同时全局收敛能力优于基于遗传算法的K均值聚类算法.

12 3 4 5 >