基于遗传模拟退火算法的改进K-medoids算法

doi:10.13229/j.cnki.jdxbgxb201502042

吉林大学学报(工学版) ›› 2015, Vol. 45 ›› Issue (2): 619-623.doi: 10.13229/j.cnki.jdxbgxb201502042

基于遗传模拟退火算法的改进K-medoids算法

韩啸^1，2，刘淑芬¹，徐天琦¹

1.吉林大学计算机科学与技术学院，长春 130012；
2.吉林大学学报编辑部，长春 130012

收稿日期:2014-01-13 出版日期:2015-04-01 发布日期:2015-04-01
通讯作者: 刘淑芬(1950)，女，教授，博士生导师.研究方向:计算机协同工作.E-mail:liusf@ mail.jlu.edu.cn
作者简介:韩啸(1981)，男，博士研究生.研究方向:计算机协同工作.E-mail:hanxiao@jlu.edu.cn
基金资助:
国家自然科学基金项目(60973041).

Improved K-medoids algorithm based on genetic simulated annealing algorithm

HAN Xiao^1,2,LIU Shu-fen¹,XU Tian-qi¹

1.College of Computer Science and Technology, Jilin University, Changchun 130012, China;
2.Editorial Department of Journal of Jilin University, Changchun 130012, China

Received:2014-01-13 Online:2015-04-01 Published:2015-04-01

摘要/Abstract

摘要： 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。

Abstract: Standard K-medoids algorithm has the disadvantages of easy-to-fall into local optima and the clustering effect is commonly influenced by the initial cluster centre. To overcome these shortcomings, a modified K-medoids algorithm is proposed which is based on the genetic simulated annealing algorithm. By combing the genetic algorithm and the annealing algorithm, the global search ability and convergence speed of the proposed algorithm are greatly improved. Comparison experiment results show that the modified algorithm can effectively overcome the shortcomings of the Standard K-medoids algorithm that the clustering efficiency, convergence speed and clustering quality are improved.

中图分类号:

TP391

韩啸，刘淑芬，徐天琦. 基于遗传模拟退火算法的改进K-medoids算法[J]. 吉林大学学报(工学版), 2015, 45(2): 619-623.

HAN Xiao,LIU Shu-fen,XU Tian-qi. Improved K-medoids algorithm based on genetic simulated annealing algorithm[J]. 吉林大学学报(工学版), 2015, 45(2): 619-623.

参考文献

相关文章 15

[1]	刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2]	刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[3]	徐岩,孙美双. 基于卷积神经网络的水下图像增强方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1895-1903.
[4]	黄勇,杨德运,乔赛,慕振国. 高分辨合成孔径雷达图像的耦合传统恒虚警目标检测[J]. 吉林大学学报(工学版), 2018, 48(6): 1904-1909.
[5]	陆智俊,钟超,吴敬玉. 星载合成孔径雷达图像小特征的准确分割方法[J]. 吉林大学学报(工学版), 2018, 48(6): 1925-1930.
[6]	刘仲民,王阳,李战明,胡文瑾. 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1931-1937.
[7]	欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[8]	刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[9]	刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10]	刘哲, 徐涛, 宋余庆, 徐春艳. 基于NSCT变换和相似信息鲁棒主成分分析模型的图像融合技术[J]. 吉林大学学报(工学版), 2018, 48(5): 1614-1620.
[11]	车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[12]	曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[13]	侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
[14]	李志慧, 胡永利, 赵永华, 马佳磊, 李海涛, 钟涛, 杨少辉. 基于车载的运动行人区域估计方法[J]. 吉林大学学报(工学版), 2018, 48(3): 694-703.
[15]	杨东升, 张展, 廉梦佳, 王丽娜. 位图局部敏感哈希的匹配二进制特征搜索算法[J]. 吉林大学学报(工学版), 2018, 48(3): 893-902.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

基于遗传模拟退火算法的改进K-medoids算法

Improved K-medoids algorithm based on genetic simulated annealing algorithm

RICH HTML

PDF (PC)

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0