版权说明 操作指南
首页 > 成果 > 详情

基于改进GSA的数据聚类机制

认领
导出
Link by 中国知网学术期刊 Link by 万方学术期刊
反馈
分享
QQ微信 微博
成果类型:
期刊论文
论文标题(英文):
DATA CLUSTERING MECHANISM BASED ON IMPROVED GSA
作者:
张小庆
作者机构:
[张小庆] 武汉轻工大学数学与计算机学院
语种:
中文
关键词:
数据聚类;引力搜索;汉明距离;聚类间距
期刊:
计算机应用与软件
ISSN:
1000-386X
年:
2021
卷:
38
期:
02
页码:
27-32+84
基金类别:
湖北省自然科学基金项目(2018CFB407); 武汉轻工大学校立科研项目(2019y07);
机构署名:
本校为第一机构
院系归属:
数学与计算机学院
摘要:
数据聚类是大数据分析的基本手段,传统聚类方法易于陷入局部最优。针对这一问题,提出一种基于改进引力搜索机制GSA的数据聚类算法。定义一种适合于引力搜索进化的聚类解编码方式。为了衡量不同聚类解的差异,设计一种基于汉明距离的引力搜索粒子距离度量方法,有效衡量数据对象在各维度属性上的不同。同时,在粒子速度更新方面,引入加速因子到粒子速度更新策略中,利用最优粒子位置代表的聚类解加速局部开发过程,加速粒子向最优粒子移动,有效保持局部开发与全局搜索间的平衡。实验结果表明,在经典数据集测试下,该算法在多数测试集中比同类算法具有更低的聚类失误率。

反馈

验证码:
看不清楚,换一个
确定
取消

成果认领

标题:
用户 作者 通讯作者
请选择
请选择
确定
取消

提示

该栏目需要登录且有访问权限才可以访问

如果您有访问权限,请直接 登录访问

如果您没有访问权限,请联系管理员申请开通

管理员联系邮箱:yun@hnwdkj.com