检索结果-南通市图书馆

基于遗传模拟退火算法的改进k-medoids算法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2015年第2期45卷 619-623页

作者：韩啸刘淑芬徐天琦吉林大学计算机科学与技术学院长春130012 吉林大学学报编辑部长春130012

针对标准k-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的k-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准k-medoids算法在聚类时的全局搜索能力,... 详细信息

针对标准k-medoids算法在大数据聚类应用中易陷入局部最优解以及聚类效果受初始中心限制的缺点,提出了基于遗传模拟退火算法的k-medoids改进算法。该算法结合遗传算法和模拟退火算法,可以增强标准k-medoids算法在聚类时的全局搜索能力,并加快其收敛速度。对比实验证明:这一改进有效地弥补了标准k-medoids算法的上述缺陷,达到了提高聚类效率、加快收敛速度、改善聚类质量的目的。

关键词：计算机应用聚类 k-medoids算法遗传模拟退火算法

基于密度权重的优化差分隐私k-medoids聚类算法

在线全文

学校读者我要写书评

暂无评论

智能计算机与应用 2023年第5期13卷 126-130,139页

作者：王圣节巫朝霞新疆财经大学统计与数据科学学院乌鲁木齐830012

k-medoids算法作为数据挖掘中重要的一种聚类算法,与差分隐私保护的结合有助于信息数据的安全,原有的基于差分隐私保护的k-medoids聚类算法在初始中心点的选择上仍然具有盲目性和随机性,在一定程度上降低了聚类效果。本文针对这一问题... 详细信息

k-medoids算法作为数据挖掘中重要的一种聚类算法,与差分隐私保护的结合有助于信息数据的安全,原有的基于差分隐私保护的k-medoids聚类算法在初始中心点的选择上仍然具有盲目性和随机性,在一定程度上降低了聚类效果。本文针对这一问题提出一种基于密度权重的优化差分隐私k-medoids(DWDPk-medoids)聚类算法,通过引入数据密度权重知识,确定算法的初始中心点和聚类数,以提高聚类效果和稳定性。安全性分析表明,算法满足ε-差分隐私保护;通过对UCI真实数据集的仿真实验表明,相同隐私预算下该算法比DPk-medoids具有更好的聚类效果和稳定性。

关键词：数据挖掘差分隐私 k-medoids算法密度权重

基于全覆盖粒度k-medoids算法的文本聚类及综合性能评估

在线全文

学校读者我要写书评

暂无评论

江苏通信 2023年第6期39卷 75-77页

作者：石永鑫北京网络职业学院软件工程系

为了弥补k-medoids算法容易引起收敛过程产生局部极小值问题,结合全覆盖粒度方面考虑,设计了一种基于全覆盖粒度k-medoids算法的文本聚类及其综合性能综合评估方法。以全覆盖粒计算作为参考依据,先计算出各文档特征词权重占比。通过Sing... 详细信息

为了弥补k-medoids算法容易引起收敛过程产生局部极小值问题,结合全覆盖粒度方面考虑,设计了一种基于全覆盖粒度k-medoids算法的文本聚类及其综合性能综合评估方法。以全覆盖粒计算作为参考依据,先计算出各文档特征词权重占比。通过Single Pass聚类算法完成样本集的聚类计算,获得粒度重要度指标,对剩余样本进行重新分配获得最近聚类中心,最终确保各对象与类簇中心距离达到一个稳定值。研究结果表明:全覆盖粒方法构建的k-medoids聚类算法可以实现聚类精度的显著提升。

关键词：文本聚类 k-medoids算法全覆盖粒度性能评估

基于改进HHO与k-medoids的混合聚类算法

在线全文

学校读者我要写书评

暂无评论

西安理工大学学报 2022年第3期38卷 410-420页

作者：李姣王秋萍戴芳西安理工大学理学院陕西西安710054

针对k-Means在聚类过程中对离群点敏感以及容易陷入局部最优的不足,本文提出一种基于改进HHO(IHHO)与k-medoids的混合聚类算法(IHHO-kmedoids)。在IHHO中,带有Logistic混沌扰动的控制参数策略更好地实现了探索与开发之间的平衡,集成变... 详细信息

针对k-Means在聚类过程中对离群点敏感以及容易陷入局部最优的不足,本文提出一种基于改进HHO(IHHO)与k-medoids的混合聚类算法(IHHO-kmedoids)。在IHHO中,带有Logistic混沌扰动的控制参数策略更好地实现了探索与开发之间的平衡,集成变异策略提高了算法的全局搜索能力,翻筋斗觅食策略增强了种群多样性,避免算法陷入局部最优。将所提IHHO与5种其他群智能算法和4种改进的HHO算法在CEC 2014测试函数上进行对比,实验结果表明IHHO算法的优化效果较好,求解精度较高。k-medoids与k-Means相比对噪声点和离群点更鲁棒。IHHO-kmedoids算法稳定性好,不易陷入局部最优。UCI数据集和文本数据集上的仿真结果表明IHHO-kmedoids算法效率高,聚类精度高。

关键词： Harris鹰优化算法 Logistic映射集成变异策略翻筋斗觅食策略 k-medoids算法

在线全文

学校读者我要写书评

暂无评论

加工中心主轴关键热敏感点选取与热误差预测

组合机床与自动化加工技术 2024年第2期 169-174,181页

作者：田春苗季泽平郭世杰唐术锋乔冠内蒙古工业大学机械工程学院呼和浩特010051 内蒙古工业大学内蒙古自治区特殊服役智能机器人重点实验室呼和浩特010051

为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用k-medoids算法对温度测点进行聚类分组,使用灰... 详细信息

为探究数控机床主轴温度场信息与主轴热误差之间的非线性映射关系,提出一种基于人工蜂群优化算法(ABC)与广义回归神经网络的主轴热误差预测模型。首先,使用热成像技术布置温度传感器,并利用k-medoids算法对温度测点进行聚类分组,使用灰色关联度分析方法计算温度与主轴热误差之间的相关程度,进而提取出最佳热敏感点;其次,引入调节因子优化ABC算法的寻优过程,使用改进后的ABC网络确定GRNN网络的最佳参数及光滑因子;最后,以三轴数控加工中心为研究对象,进行温度数据与热误差数据的采集,建立基于ABC-GRNN热误差预测模型并与优化前进行比较。热误差实验结果表明,k-medoids算法与灰色关联分析相结合,有效避免了温度测点之间的多重共线性;ABC-GRNN模型可以更准确地预测出主轴各项误差值。

关键词：数控机床主轴热误差 k-medoids算法热误差预测 ABC-GRNN模型

密度峰值优化初始中心的k-medoids聚类算法

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2016年第2期10卷 230-247页

作者：谢娟英屈亚楠陕西师范大学计算机科学学院西安710062

针对快速k-medoids聚类算法和方差优化初始中心的k-medoids聚类算法存在需要人为给定类簇数,初始聚类中心可能位于同一类簇,或无法完全确定数据集初始类簇中心等缺陷,受密度峰值聚类算法启发,提出了两种自适应确定类簇数的k-medoids算... 详细信息

针对快速k-medoids聚类算法和方差优化初始中心的k-medoids聚类算法存在需要人为给定类簇数,初始聚类中心可能位于同一类簇,或无法完全确定数据集初始类簇中心等缺陷,受密度峰值聚类算法启发,提出了两种自适应确定类簇数的k-medoids算法。算法采用样本x i的t最近邻距离之和倒数度量其局部密度ρi,并定义样本x i的新距离δi,构造样本距离相对于样本密度的决策图。局部密度较高且相距较远的样本位于决策图的右上角区域,且远离数据集的大部分样本。选择这些样本作为初始聚类中心,使得初始聚类中心位于不同类簇,并自动得到数据集类簇数。为进一步优化聚类结果,提出采用类内距离与类间距离之比作为聚类准则函数。在UCI数据集和人工模拟数据集上进行了实验测试,并对初始聚类中心、迭代次数、聚类时间、Rand指数、Jaccard系数、Adjusted Rand index和聚类准确率等经典聚类有效性评价指标进行了比较,结果表明提出的k-medoids算法能有效识别数据集的真实类簇数和合理初始类簇中心,减少聚类迭代次数,缩短聚类时间,提高聚类准确率,并对噪音数据具有很好的鲁棒性。

关键词：聚类 k-medoids算法初始聚类中心密度峰值准则函数

在线全文

学校读者我要写书评

暂无评论

精英遗传k-medoids聚类算法

计算机工程与应用 2018年第22期54卷 144-149页

作者：宋飞豹贾瑞玉安徽大学计算机科学与技术学院合肥230601

针对k-medoids算法易陷入局部最优和聚类结果不稳定的问题,提出了一种精英遗传k-medoids聚类算法。该算法使用精英策略来控制遗传操作的整体进化方向;根据种群的平均适应度引入若干随机个体来提高种群多样性,从而在一定程度上减少了遗... 详细信息

针对k-medoids算法易陷入局部最优和聚类结果不稳定的问题,提出了一种精英遗传k-medoids聚类算法。该算法使用精英策略来控制遗传操作的整体进化方向;根据种群的平均适应度引入若干随机个体来提高种群多样性,从而在一定程度上减少了遗传算法的早熟现象。为了提高进化效率,该算法设计出一种新的交叉方式;为了保证交叉变异结果的优秀性,该算法引入了一种竞争机制。8个数据集的仿真实验表明,该算法在提高聚类准确率的同时,聚类结果的稳定性也有所提高。

关键词：遗传算法精英策略 k-medoids算法聚类分析

在线全文

学校读者我要写书评

暂无评论

一种高效的k-medoids聚类算法

计算机应用研究 2010年第12期27卷 4517-4519页

作者：夏宁霞苏一丹覃希广西大学计算机与电子信息学院南宁530004 广西工学院计算机工程系广西柳州545006

针对k-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进k-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实... 详细信息

针对k-medoids算法初始中心点选择敏感、大数据集聚类应用中性能低下等缺点,提出一个基于初始中心微调与增量中心候选集的改进k-medoids算法。新算法以微调方式优化初始中心,以中心候选集逐步扩展的方式来降低中心轮换的计算复杂性。实验结果表明,相对于传统的k-medoids算法,新算法可以提高聚类质量,有效缩短计算时间。

关键词：聚类 k-medoids算法中心微调增量候选

基于多核平台并行k-medoids算法研究

在线全文

学校读者我要写书评

暂无评论

计算机应用研究 2011年第2期28卷 498-500页

作者：李静滨杨柳华蓓广西大学计算机与电子信息学院南宁530004

分析k-medoids算法的内在并行性,设计一个适合多核平台的并行算法,并利用OpenMP进行实验。实验结果表明,并行算法对多核环境有很好的适应性,在双核及四核计算机上均获得了较好的加速比与运行效率。

关键词：多核 k-medoids算法并行算法 OpenMP