郭文娟
- 作品数:7 被引量:80H指数:4
- 供职机构:甘肃政法学院更多>>
- 发文基金:中央高校基本科研业务费专项资金陕西省自然科学基金更多>>
- 相关领域:自动化与计算机技术农业科学更多>>
- 基于聚类分析的育种小麦机械裂纹硬度算法被引量:2
- 2016年
- 为进一步寻求适宜作为育种小麦机械裂纹硬度值聚类分析的优势算法,通过借助于虚拟弹性模量计算法,测定产生机械裂纹的育种小麦籽粒不同组分硬度值,并结合基于邻域改进K-medoids算法与传统的PAM算法、快速K-medoids算法分别对育种小麦籽粒(表皮、内部)机械裂纹硬度数据集进行聚类分析比较。实验结果表明:改进K-medoids算法的时间性能明显优于PAM算法和快速K-medoids算法,在育种小麦籽粒表皮、内部机械裂纹硬度数据分析时间上分别减少2.585s、0.103s和0.603s、0.551s,较其余两种算法的聚类误差平方和小、聚类准确率高(90%以上),该算法可为育种小麦籽粒信息的准确、快速整理提供理论依据。
- 郭文娟丁要军
- 关键词:聚类分析
- 基于密度的改进聚类算法比较被引量:1
- 2017年
- 针对传统K-means算法的聚类结果依赖初始聚类中心的缺陷,提出了一种基于密度的改进K-means聚类算法,该算法选择位于数据集样本密集区且相距较远的数据对象作为初始聚类中心,实现K-means聚类。针对PAM算法时间复杂度高,且不利于大数据集处理的缺陷,提出了一种基于密度的改进K-medoids聚类算法,在选取初始中心点时根据数据集样本的分布特征选取,使得初始中心点位于不同类簇。UCI机器学习数据库数据集和随机生成的带有噪音点的人工模拟数据集的实验测试证明,基于密度的改进K-means算法和基于密度的改进Kmedoids算法都具有很好的聚类效果,运行时间短,收敛速度快,有抗噪性能。
- 郭文娟
- 关键词:聚类
- 基于密度RPCL的K-means算法被引量:5
- 2012年
- 目的探索同时确定K-means算法的最佳聚类数K和最佳初始聚类中心的方法,使K-means算法的聚类结果尽可能地收敛于全局最优解或近似全局最优解。方法以次胜者受罚竞争学习(Rival Penalized Competitive Learning,RPCL)作为K-means的预处理步骤,以其学习结果作为K-means的聚类数和初始聚类中心并依据数据集样本自然分布定义样本密度,将此密度引入RPCL的节点权值调整,以此密度RPCL的输出作为K-means的最佳聚类数K和最佳初始聚类中心。采用UCI机器学习数据库数据集以及随机生成的带有噪音点的人工模拟数据集进行实验测试,并用不同的聚类结果评价指标对聚类结果作了分析。结果提出的密度RPCL为K-means提供了最佳的类簇数和最佳的初始聚类中心。结论基于密度RPCL的K-means算法具有很好的聚类效果,对噪音数据有很强的抗干扰性能。
- 谢娟英郭文娟谢维信高新波
- 关键词:K-MEANS初始聚类中心
- 基于样本空间分布密度的改进次胜者受罚竞争学习算法被引量:5
- 2012年
- 针对传统次胜者受罚竞争学习(RPCL)算法忽略数据集几何结构对节点权值调整的影响,以及魏立梅等提出的新RPCL算法(魏立梅,谢维信.聚类分析中竞争学习的一种新算法.电子科学学刊,2000,22(1):13-18)引入密度来对节点的权值进行调整时,密度定义的主观性,提出基于样本空间分布密度的改进RPCL算法。该算法根据数据集样本自然分布定义样本密度,将此密度引入RPCL节点权值调整;使用UCI机器学习数据库数据集以及随机生成的带有噪声点的人工模拟数据集对算法进行实验测试,对算法确定数据集类簇数目的准确率、运行时间、聚类误差平方和、聚类结果的Rand指数、Jaccard系数以及Adjust Rand index参数进行分析比较。各项实验结果显示:所提算法优于原始RPCL算法和魏立梅算法,具有更好的聚类效果,对噪声数据有很强的抗干扰性能。所提算法不仅能根据样本的自然分布确定数据集的合理类簇数目,而且能确定合适的类簇中心,提高聚类的准确性,使聚类结果尽可能快地收敛到全局最优解。
- 谢娟英郭文娟谢维信高新波
- 关键词:聚类样本密度聚类中心
- 改进K-medoids算法对小麦籽粒挤压数值的分析应用
- 2017年
- 通过应用传统PAM算法、快速K-medoids算法及自行设计提出的基于领域的改进K-medoids算法与对西旱2号小麦籽粒挤压破碎负载进行聚类分析比较,实验结果表明:基于领域的改进K-medoids算法的聚类时间与快速K-medoids算法基本持平,并明显优于PAM算法,在小麦籽粒挤压破碎负载的分析时间上分别减少了0.005s和0.331s,较后两种算法的聚类误差平方和小、聚类准确率高(90%以上),该算法能够为小麦籽粒面粉加工数据整理提供参考。
- 郭文娟
- 关键词:聚类分析
- 基于样本空间分布密度的初始聚类中心优化K-均值算法被引量:52
- 2012年
- 针对传统K-均值聚类算法对初始聚类中心敏感、现有初始聚类中心优化算法缺乏客观性,提出一种基于样本空间分布密度的初始聚类中心优化K-均值算法。该算法利用数据集样本的空间分布信息定义数据对象的密度,并根据整个数据集的空间信息定义了数据对象的邻域;在此基础上选择位于数据集样本密集区且相距较远的数据对象作为初始聚类中心,实现K-均值聚类。UCI机器学习数据库数据集以及随机生成的带有噪声点的人工模拟数据集的实验测试证明,本算法不仅具有很好的聚类效果,而且运行时间短,对噪声数据有很强的抗干扰性能。基于样本空间分布密度的初始聚类中心优化K-均值算法优于传统K-均值聚类算法和已有的相关K-均值初始中心优化算法。
- 谢娟英郭文娟谢维信高新波
- 关键词:聚类K-均值聚类
- 基于邻域的K中心点聚类算法被引量:31
- 2012年
- 提出一种基于邻域的K中心点聚类算法,该算法利用数据集样本的自然分布信息定义数据对象的邻域半径和相应邻域,选择位于样本分布密集区且相距较远的K个数据对象作为初始聚类中心,以期改进快速K中心点算法在选取初始中心点时有可能使多个初始中心位于同一类簇的潜在缺陷.通过UCI机器学习数据库数据集以及随机生成的带有噪音点的人工模拟数据集实验测试,表明提出的基于邻域的K中心点算法不仅具有很好的聚类效果,而且运行时间短,对噪音数据有很强的抗干扰性能,优于传统K中心点算法和Park等人的快速K中心点算法.
- 谢娟英郭文娟谢维信
- 关键词:样本密度聚类