学术论文

      蚁群K-medoids融合的聚类算法

      Clustering algorithm based on fusion of ant colony algorithm and K-medoids

      摘要:
      蚁群算法能够在没有任何先验知识和人为干预的情况下实现自主聚类,并且鲁棒性较强,易于与其他算法相结合.但蚁群算法消耗时间成本较大,效率较低.而K-medoids聚类是一个基于划分的经典聚类算法,该算法聚类速度快、聚类效果好而被广泛应用于各种聚类处理中.但需要人为确定簇数目,并对初始簇中心的依赖性较强.针对以上问题,提出了结合蚁群算法和K-medoids的聚类算法(AKCA),该算法融合了蚁群算法和K-medoids算法各自在聚类上的优点.实验结果表明,该算法对于小型数据集具有运行效率高、聚类质量好和自适用性强等优点.
      作者: 赵烨 [1] 黄泽君 [2]
      Author: Zhao Ye [1] Huang Zejun [2]
      作者单位: 合肥工业大学计算机与信息学院,合肥,230009 上海大学通信与信息工程学院,上海,200072
      刊 名: 电子测量与仪器学报 ISTIC
      年,卷(期): 2012, 26(9)
      分类号: TP391
      机标分类号: TP3 U41
      在线出版日期: 2012年12月17日
      基金项目: 国家自然科学基金