声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：徐曼舒，汪继文，邱剑锋，王心灵
单位：（安徽大学计算机科学与技术学院，安徽 合肥 230039）
关键词：模糊C-均值聚类,人工蜂群算法,差分进化算法,变异,交叉,
基金：安徽省高校省级重点自然科学研究项目(KJ2013A009)
模糊C?均值聚类算法在数据挖掘领域有着广泛的使用背景，而对初始点的敏感和较差的搜索能力，限制了算法的进一步推广应用。人工蜂群算法具有对初始点不敏感、适应能力强和搜索能力强等优点，并且针对人工蜂群算法对单峰问题收敛速度慢、多峰问题容易陷入局部最优等问题，通过引入差分进化算法中变异和交叉思想，改善蜂群算法的收敛速度，平衡局部搜索和全局搜索能力。然后将改进的人工蜂群算法和模糊C?均值聚类算法结合得到基于改进人工蜂群的模糊C?均值聚类算法，并在多个国际标准数据集上进行验证，实验结果表明此算法在多个衡量指标上取得了明显的改进。
来源：2016年第6期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。