10.3969/j.issn.1002-2279.2016.02.013
一种基于改进人工蜂群的 K-means 聚类算法
针对 K -means 算法对初始的聚类中心选择敏感,全局搜索能力较差,聚类精度低以及稳定性不高,算法的鲁棒性较差等缺点,提出了一种基于改进的人工蜂群算法来对 K -means 聚类算法进行优化。算法构造了新的适应度函数,改进了食物源的位置更新公式来提高迭代效率。利用改进的人工蜂群算法良好的全局寻优能力,搜索速度快等优点,再加上 K -means 收敛速度快的优点,二者结合来提高算法的鲁棒性。将改进后的算法嵌入到 WEKA 这一数据挖掘平台中,充分利用了开源 WEKA 中的类和可视化功能,与 WEKA 中已有的聚类算法对比分析,可以获得更好的聚类结果。
聚类、人工蜂群算法、K-means 算法、适应度函数、位置更新公式、WEKA 平台
37
TP301.6(计算技术、计算机技术)
2016-06-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
47-50,55