10.3969/j.issn.1001-3695.2018.02.012
基于初始偏向度的AP算法聚类性能优化研究
在对AP算法仿真研究过程中发现,样本数据点作为类代表点的初始偏向度取值,与算法最终聚类性能有着密切的联系.针对两者之间的数量关系展开深入研究,通过建立初始偏向度多重单目标优化模型,限定算法花费时长在可设定的范围内,确定初始偏向度最优取值,使得算法聚类准确率取得最优,同时花费时长相对较小.实验结果表明,对于三种经典的标准数据集4k2-far、wine和iris,优化后的AP算法与优化前相比,在降低花费时长的同时提高了聚类准确率,从而有效提高算法的聚类性能.
AP算法、初始偏向度、多重单目标优化、聚类性能
35
TP301.6(计算技术、计算机技术)
2018-05-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
372-374,399