您的位置: 专家智库 > >

张梦佳

作品数:2 被引量:10H指数:2
供职机构:兰州交通大学数理与软件工程学院更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇聚类
  • 2篇聚类算法
  • 1篇蚁群
  • 1篇蚁群聚类
  • 1篇收敛速度
  • 1篇自适
  • 1篇自适应
  • 1篇自适应权重
  • 1篇觅食
  • 1篇聚类分析
  • 1篇BW
  • 1篇K-MEAN...
  • 1篇K-MEAN...
  • 1篇K-MEAN...

机构

  • 2篇兰州交通大学

作者

  • 2篇李秦
  • 2篇张梦佳
  • 2篇王菲菲

传媒

  • 1篇甘肃科技纵横
  • 1篇洛阳理工学院...

年份

  • 2篇2017
2 条 记 录,以下是 1-2
排序方式:
k-means聚类算法的改进研究被引量:8
2017年
聚类分析是数据挖掘的一个重要运用方法,它是一个把数据对象划分成子集的过程。k-means算法是一个基于划分且应用非常广泛的聚类算法,具有原理简单、便于理解和实现、能处理大数据集等优点。但是,该算法也存在着一些不可避免的缺点,本论述针对在多维空间k-means算法中聚类数需要事先给定以及该算法对初始中心点选取的敏感性这两方面的缺点给出了改进算法,并选取数据集对改进算法进行试验。结果表明笔者提出的改进算法比传统的k-means算法和基于最大最小距离算法的k-means聚类算法具有更高的有效性和稳定性。
王菲菲李秦张梦佳
关键词:聚类分析K-MEANS
基于蚁群觅食原理的聚类算法的研究及改进被引量:2
2017年
针对基于蚁群觅食原理的聚类算法初期收敛速度较慢的问题,以及未区分各维特征主次的缺陷,本文提出了一种两阶段蚁群聚类算法,以解决上述问题。第一阶段引入各只蚂蚁的实时信息素更新规则改善算法初期收敛速度较慢问题,并为第二阶段提供合理的初始隶属度矩阵;第二阶段利用隶属度矩阵自适应地赋予各维特征不同的权重,再用信息素强度和加权欧氏距离共同指导各只蚂蚁构造解。经过人工数据集和UCI数据集的测试,结果表明两阶段蚁群聚类算法可以加快算法初期收敛速度,同时提高聚类的准确率。
张梦佳李秦王菲菲
关键词:蚁群聚类收敛速度自适应权重
共1页<1>
聚类工具0