半监督聚类目标下粒子群算法的分析与改进

孙艺¹, 夏启钊²

1. 北京邮电大学 计算机学院(国家示范性软件学院), 北京 100876;
2. 北京邮电大学 国际学院, 北京 100876

收稿日期:2020-02-16发布日期:2021-03-11

作者简介:孙艺(1979-),男,高级工程师,E-mail:sunyisse@bupt.edu.cn.
基金资助:河北省重点研发计划项目（20313701D）；河北省重点研发计划项目（19210404D）；国家自然科学基金项目（U1536112）；国家社会科学基金重点项目（17AJL014）

Analysis and Improvement of Semi-Supervised K-means Clustering Based on Particle Swarm Optimization Algorithm

SUN Yi¹, XIA Qi-zhao²

1. School of Computer Science(National Pilot Software Engineering School), Beijing University of Posts and Telecommunications, Beijing 100876, China;
2. International School, Beijing University of Posts and Telecommunications, Beijing 100876, China

Received:2020-02-16Published:2021-03-11

摘要/Abstract

摘要： 传统粒子群算法的优点较为明显，但是随着环境复杂度的增高，传统算法的聚类中心敏感度升高，空聚类过多，类标号对聚类结果的影响不足等问题日趋严重.为此，提出了一种改进算法，以半监督K均值聚类为目标，以自适应K值的方式，随机地计算初始化聚类中心，并根据均值聚类算法的需要编码成粒子，同时引入软性约束概念重新构造目标函数；最后使用改进后的算法进行寻优.所提出的粒子群算法改进了自适应参数，引入了免疫扰动和混沌扰动2种扰动方式，同时应用了退火策略和动态聚类策略.实验结果表明，该算法在很大程度上解决了上述问题.
中图分类号:
TP301.6

引用本文

孙艺, 夏启钊. 半监督聚类目标下粒子群算法的分析与改进[J]. 北京邮电大学学报, 2020, 43(5): 21-26.
SUN Yi, XIA Qi-zhao. Analysis and Improvement of Semi-Supervised K-means Clustering Based on Particle Swarm Optimization Algorithm[J]. Journal of Beijing University of Posts and Telecommunications, 2020, 43(5): 21-26.





PDF全文下载地址:

https://journal.bupt.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=4760