典型文献
基于随机跳跃蝠鲼算法优化的电影信息数据聚类
文献摘要：
针对传统K均值聚类(K-Means Clustering,KMC)算法在对电影信息数据聚类的过程中,初始聚类中心选取随机性较大、聚类结果不稳定且算法容易陷入局部最优、影响迭代精度等不足,提出一种基于随机跳跃式翻滚觅食蝠鲼优化的K均值联合迭代聚类算法(MRRJRFO-KMC),实现对电影信息数据的聚类.首先,提出一种均值最大最小距离积法来初始化聚类中心,改善聚类中心选取的随机性,避免随机初始化对聚类结果造成的不稳定性.其次,在迭代的过程中加入蝠鲼觅食优化算法,并对蝠鲼觅食优化算法中螺旋觅食和翻滚觅食进行改进,提出一种随机跳跃式翻滚觅食蝠鲼优化的策略,解决了蝠鲼觅食优化算法易陷入局部最优的问题.将随机跳跃式翻滚觅食蝠鲼优化算法加入KMC算法,对KMC算法迭代过程中的聚类中心进行优化,提高了聚类精度.在Iris,Aggregation,Ecoli和Seeds国际标准数据集上对MRRJRFO-KMC算法、MRFO-KMC算法、KMC算法、K-Means++算法、模糊 C均值(Fuzzy C-Means,FCM)聚类算法进行比较测试,实验结果表明,MRRJRFO-KMC算法和其他算法相比,准确性和收敛速度都有所提升.在电影信息数据处理过程中,该算法能够根据所给的信息进行有效的聚类,应用价值明显.
文献关键词：
蝠鲼觅食优化算法;K均值聚类;均值最大最小距离积法;随机跳跃式翻滚;电影信息数据
中图分类号：
作者姓名：
黄鹤;李潇磊;王珺;王会峰;茹锋
作者机构：
西安市智慧高速公路信息融合与控制重点实验室,长安大学,西安,710064;长安大学电子与控制工程学院,西安,710064
文献出处：
引用格式：
[1]黄鹤;李潇磊;王珺;王会峰;茹锋-.基于随机跳跃蝠鲼算法优化的电影信息数据聚类)[J].南京大学学报（自然科学版）,2022(05):856-867
A类：
蝠鲼算法,电影信息数据,随机跳跃式翻滚,MRRJRFO,均值最大最小距离积法,Ecoli
B类：
算法优化,数据聚类,均值聚类,Clustering,KMC,初始聚类中心选取,随机性,局部最优,迭代聚类,聚类算法,初始化,蝠鲼觅食优化算法,聚类精度,Iris,Aggregation,Seeds,国际标准,标准数据集,MRFO,Means++,Fuzzy,FCM,收敛速度
AB值：
0.170309
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
