位置：成果数据库 > 期刊 > 期刊详情页
一种整合粒子群优化和K-均值的数据聚类算法
  • ISSN号：0253-2395
  • 期刊名称：山西大学学报(自然科学版)
  • 时间：0
  • 页码：518-523
  • 分类：N55[自然科学总论]
  • 作者机构：[1]广西财经学院计算机与信息管理系, [2]武汉大学计算机学院
  • 相关基金：国家自然科学基金(60970018)
  • 相关项目：Web社区用户个性挖掘与排序研究
作者： 徐辉|李石君|
关键词： 数据聚类, K-均值, 粒子群优化
中文摘要：

针对K-均值聚类算法存在的不足,提出了一种新的整合粒子群优化算法(PSO)和K-均值算法的聚类算法.在新算法中,首先结合使用粒子群优化算法和K-均值算法搜索全局最优解的位置,然后再用K-均值算法在全局最优解附近的局部空间内快速寻找最优聚类中心.通过对4个数据集的实验测试,将此算法与K-均值算法、基于粒子群的K-均值算法进行了比较.实验结果表明,新算法的聚类质量比后两个算法更优.

同期刊论文项目
Web社区用户个性挖掘与排序研究
期刊论文 15 会议论文 6 专利 3
同项目期刊论文
基于FOAF演化博弈的网络资源可信度判别
Web temporal inconsistency modeling based on web time axis
使用联合链接相似度评估爬取Web资源
WPBL: A webpage block labeling based approach for web information extraction
Belief reasoning recommendation: Mashing up web information fusion and FOAF
Subposition Assembly-Based Construction of Non-Frequent Concept Semi-Lattice
基于层次树模型的Deep Web数据提取方法
基于格空间的受限Deep Web数据抽取算法
Retrieving deep web data through multi-attributes interfaces with structured queries
Web Database Sampling Approach Based on Attribute Correlation.
基于Iceberg概念格叠置半集成的全局闭频繁项集挖掘算法
中文深层网络的模式匹配和接口集成
基于数据质量的Deep Web数据源排序
期刊信息
  • 《山西大学学报：自然科学版》
  • 北大核心期刊（2011版）
  • 主管单位:山西省教育厅
  • 主办单位:山西大学
  • 主编：杨斌盛
  • 地址：太原市坞城路92号
  • 邮编：030006
  • 邮箱：xbbjb@sxu.edu.cn
  • 电话：0351-7010455
  • 国际标准刊号：ISSN：0253-2395
  • 国内统一刊号：ISSN：14-1105/N
  • 邮发代号:22-42
  • 获奖情况:
  • 边疆七年获山西省一级期刊荣誉（1993-1999）
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘（网络版）,英国动物学记录,中国中国科技核心期刊,中国北大核心期刊（2004版）,中国北大核心期刊（2008版）,中国北大核心期刊（2011版）,中国北大核心期刊（2014版）
  • 被引量:5651