典型文献
基于记忆传递旗鱼优化的K均值混合迭代聚类
文献摘要:
针对现有K均值聚类(KMC)算法受初始化影响较大,随机产生的聚类中心极易使聚类结果陷入局部最优而停止迭代,导致聚类精度低、鲁棒性差的问题,提出一种基于记忆传递旗鱼优化的K均值混合迭代聚类(M TSFO-HIKMC)算法.首先,借鉴已有改进思路,引入最大最小距离积来初始化KMC聚类中心,避免随机初始化带来的不确定性;同时,在迭代过程中,令当前最优解在局部进行自适应记忆传递修正,解决由于旗鱼算法搜索路径单一带来的全局寻优能力差和搜索精度不足的问题.利用Iris、Seeds、CMC和Wine国际标准数据集对M TSFO-HIKMC、旗鱼优化的K均值混合迭代聚类(SFO-KMC)算法、引入改进飞蛾扑火的K均值交叉迭代聚类(IMFO-KMC)算法、KMC算法和模糊C均值(FCM)算法进行比较测试,从得到的收敛曲线和性能指标可知,所提出的MTSFO-HIKMC算法相较于IMFO-KMC算法具有更快的收敛速度;在高维度空间较IMFO-KMC算法具有更高的搜索精度;相较于KMC和FCM算法具有更高的搜索精度;相比SFO-KMC算法在收敛速度和搜索精度方面都有明显提升,在高维数据集方面尤其明显.
文献关键词:
旗鱼算法;自适应记忆传递修正策略;K均值聚类;最大最小距离积法;UCI标准数据集
中图分类号:
作者姓名:
黄鹤;熊武;吴琨;王会峰;茹锋;王珺
作者机构:
长安大学 西安市智慧高速公路信息融合与控制重点实验室,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;熊武;吴琨;王会峰;茹锋;王珺-.基于记忆传递旗鱼优化的K均值混合迭代聚类)[J].上海交通大学学报,2022(12):1638-1648
A类:
TSFO,HIKMC,MTSFO,自适应记忆传递修正策略
B类:
混合迭代,迭代聚类,均值聚类,初始化,聚类中心,局部最优,聚类精度,改进思路,最优解,旗鱼算法,搜索路径,全局寻优,寻优能力,Iris,Seeds,CMC,Wine,国际标准,标准数据集,飞蛾扑火,IMFO,FCM,收敛速度,高维度,度空间,高维数据,最大最小距离积法,UCI
AB值:
0.229477
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。