王丝丝¹，张敬磊¹，陈慈¹，张洪宾¹，马春杰²

1. 山东理工大学交通与车辆工程学院, 淄博 255049; 2. 北京工业大学城市交通学院,北京 100124

出版日期:2018-10-25发布日期:2018-12-06

Optimization of $K$-Means Based on Variance Statistics and Improved Swarm Intelligent Algorithm

WANG Sisi¹ ,ZHANG Jinglei¹ ,CHEN Ci¹ ,ZHANG Hongbin¹ ,MA Chunjie²

1. School of Transportation and Vehicle Engineering, Shandong University of Technology, Zibo 255049; 2. College of Metropolitan Transportation, Beijing University of Technology, Beijing 100124

Online:2018-10-25Published:2018-12-06







摘要
图/表
参考文献
相关文章
编辑推荐
-->Metrics
本文评论

利用$K$-means进行数据聚类时,借用不同处理手段其统计距离和聚类中心等会有所差异,从而影响聚类结果,尤其是当数据维度增高时,这种现象更为明显.对此,文章提出一种基于样本方差的多元统计距离算法,并引入改进人工蜂群算法及评价准则函数确定聚类中心和最佳聚类数,优化$K$-means算法.理论上,该方法可以克服原算法易陷入局部最优和固定聚类数等缺陷.最后,通过特异值检测, 人工数据集以及UCI 真实数据集测试验证该优化算法性能.

分享此文:

()

[1]	宋娟，倪志伟，李萍，伍章俊，彭鹏. 基于参数优化深度置信网络的雾霾预测模型[J]. 系统科学与数学, 2020, 40(9): 1644-1661.
[2]	孙越泓, 江雪, 徐鑫, 肖克炼. 基于分享学习和柯西变异的多目标人工蜂群算法[J]. 系统科学与数学, 2019, 39(7): 1031-1053.
[3]	贾凯，倪志伟，李敬明，陆玉佳，朱旭辉. 基于改进二进制人工蜂群的BP神经网络并行集成学习算法及其应用研究[J]. 系统科学与数学, 2019, 39(3): 477-494.
[4]	谢福鼎，雷存款，李芳菲，嵇敏. 基于模糊c均值算法和人工蜂群算法的无监督波段选择[J]. 系统科学与数学, 2018, 38(12): 1417-1428.
[5]	段渊. 一种新的多目标人工蜂群算法[J]. 系统科学与数学, 2016, 36(1): 93-106.

-->

PDF全文下载地址:

http://sysmath.com/jweb_xtkxysx/CN/article/downloadArticleFile.do?attachType=PDF&id=13460