期刊导航
期刊开放获取
vip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
A New Clustering Method Based on Firefly and KHM
被引量:
1
1
作者
Azam Amin Abshouri
Alireza Bakhtiary
《通讯和计算机(中英文版)》
2012年第4期387-391,共5页
关键词
聚类方法
khm
萤火虫
K-MEANS算法
集群行为
优化技术
数据聚类
聚类算法
在线阅读
下载PDF
职称材料
基于改进引力搜索的混合K-调和均值聚类算法研究
被引量:
11
2
作者
王彩霞
《计算机应用研究》
CSCD
北大核心
2016年第1期118-121,共4页
为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解...
为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。
展开更多
关键词
混合K-调和均值聚类
khm
算法
改进引力搜索算法
全局搜索能力
在线阅读
下载PDF
职称材料
基于模糊逻辑COOT优化K调和均值的数据聚类算法
被引量:
1
3
作者
戴峦岳
梁宵月
+1 位作者
王帅
王震坡
《广西科学》
北大核心
2024年第5期900-911,共12页
针对K调和均值(K-Harmonic Means, KHM)聚类算法易陷入局部最优的不足,本文结合KHM聚类算法的快速局部开发和白骨顶鸡优化算法(Coot optimization algorithm, COOT)的全局勘探能力,提出一种模糊逻辑COOT优化KHM的数据聚类算法(Fuzzy COO...
针对K调和均值(K-Harmonic Means, KHM)聚类算法易陷入局部最优的不足,本文结合KHM聚类算法的快速局部开发和白骨顶鸡优化算法(Coot optimization algorithm, COOT)的全局勘探能力,提出一种模糊逻辑COOT优化KHM的数据聚类算法(Fuzzy COOT K-Harmonic Means, FCOOTKHM)。将KHM聚类算法生成的初始聚类解输入白骨顶鸡初始种群结构再进行迭代寻优。同时,为了进一步提升COOT的搜索精度,设计模糊逻辑对COOT的收敛因子和领导者种群占比进行自适应调整,均衡算法的搜索与开发能力。使用聚类调和平均值评估种群个体的适应度,结合智能算法启发式搜索对聚类结果迭代寻优。利用加州大学欧文分校(University of California Irvine, UCI)数据库中的7个数据集对FCOOTKHM的聚类性能进行验证分析。结果表明,FCOOTKHM在准确率、精确度、召回率、F度量、Kappa系数和收敛效率等指标上均表现更好,该算法能够实现更精确的数据聚类。
展开更多
关键词
模糊逻辑
模糊系统
白骨顶鸡优化算法
K调和均值
聚类
收敛性
在线阅读
下载PDF
职称材料
题名
A New Clustering Method Based on Firefly and KHM
被引量:
1
1
作者
Azam Amin Abshouri
Alireza Bakhtiary
机构
Sama technical and vocational training college
出处
《通讯和计算机(中英文版)》
2012年第4期387-391,共5页
关键词
聚类方法
khm
萤火虫
K-MEANS算法
集群行为
优化技术
数据聚类
聚类算法
Keywords
khm
(K-Harmonic Means
algorithm
), clustering method, firefly.
分类号
TP311.13 [自动化与计算机技术—计算机软件与理论]
TE254.4 [石油与天然气工程—油气井工程]
在线阅读
下载PDF
职称材料
题名
基于改进引力搜索的混合K-调和均值聚类算法研究
被引量:
11
2
作者
王彩霞
机构
西安工程大学理学院
出处
《计算机应用研究》
CSCD
北大核心
2016年第1期118-121,共4页
基金
陕西省教育厅自然科学基金资助项目(12JK0557)
文摘
为了解决聚类算法容易陷入局部最优的问题,以及增强聚类算法的全局搜索能力,基于KHM算法以及改进的引力搜索算法,提出一种混合K-调和均值聚类算法(G-KHM)。G-KHM算法具有KHM算法收敛速度快的优点,但同时针对KHM算法容易陷入局部最优解的问题,在初始化后数据开始搜索聚类中心时采用了一种基于对象多样性及收敛性增强的引力搜索算法,该方法改进了引力搜索算法容易失去种群多样性的缺点,并同时具有引力搜索算法较强的全局搜索能力,可以使算法收敛到全局最优解。仿真结果表明,G-KHM算法能有效地避免陷入局部极值,具有较强的全局搜索能力以及稳定性,并且相比KHM算法、K-means聚类算法、C均值聚类算法以及粒子群算法,在分类精度和运行时间上表现出了更好的效果。
关键词
混合K-调和均值聚类
khm
算法
改进引力搜索算法
全局搜索能力
Keywords
K-harmonic mixing means clustering
khm algorithm
improved gravitational search
algorithm
global searchcapability
分类号
TP391 [自动化与计算机技术—计算机应用技术]
TP301.6 [自动化与计算机技术—计算机系统结构]
在线阅读
下载PDF
职称材料
题名
基于模糊逻辑COOT优化K调和均值的数据聚类算法
被引量:
1
3
作者
戴峦岳
梁宵月
王帅
王震坡
机构
北京牡丹电子集团有限公司博士后科研工作站
北京理工大学电动车辆国家工程实验室
出处
《广西科学》
北大核心
2024年第5期900-911,共12页
基金
北京市博士后工作经费资助项目(202304013)资助。
文摘
针对K调和均值(K-Harmonic Means, KHM)聚类算法易陷入局部最优的不足,本文结合KHM聚类算法的快速局部开发和白骨顶鸡优化算法(Coot optimization algorithm, COOT)的全局勘探能力,提出一种模糊逻辑COOT优化KHM的数据聚类算法(Fuzzy COOT K-Harmonic Means, FCOOTKHM)。将KHM聚类算法生成的初始聚类解输入白骨顶鸡初始种群结构再进行迭代寻优。同时,为了进一步提升COOT的搜索精度,设计模糊逻辑对COOT的收敛因子和领导者种群占比进行自适应调整,均衡算法的搜索与开发能力。使用聚类调和平均值评估种群个体的适应度,结合智能算法启发式搜索对聚类结果迭代寻优。利用加州大学欧文分校(University of California Irvine, UCI)数据库中的7个数据集对FCOOTKHM的聚类性能进行验证分析。结果表明,FCOOTKHM在准确率、精确度、召回率、F度量、Kappa系数和收敛效率等指标上均表现更好,该算法能够实现更精确的数据聚类。
关键词
模糊逻辑
模糊系统
白骨顶鸡优化算法
K调和均值
聚类
收敛性
Keywords
fuzzy logic
fuzzy system
Coot optimization
algorithm
(COOT)
K-Harmonic Means(
khm
)
clustering
convergence
分类号
TP393 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
A New Clustering Method Based on Firefly and KHM
Azam Amin Abshouri
Alireza Bakhtiary
《通讯和计算机(中英文版)》
2012
1
在线阅读
下载PDF
职称材料
2
基于改进引力搜索的混合K-调和均值聚类算法研究
王彩霞
《计算机应用研究》
CSCD
北大核心
2016
11
在线阅读
下载PDF
职称材料
3
基于模糊逻辑COOT优化K调和均值的数据聚类算法
戴峦岳
梁宵月
王帅
王震坡
《广西科学》
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部