一种基于PSO的分割聚类算法

吉林大学学报(工学版)

一种基于PSO的分割聚类算法

张长胜，孙吉贵，崔妍，杨凤芹

吉林大学计算机科学与技术学院, 符号计算与知识工程教育部重点实验室，长春 130012

收稿日期:2007-07-11 修回日期:1900-01-01 出版日期:2008-11-01 发布日期:2008-11-01
通讯作者: 杨凤琴

PSO based partitional clustering algorithm

ZHANG Chang-sheng, SUN J-gui, CUI Yan, YANG Feng-qin

Key Laboratory of Symbol Computation and Knowledge Engineering of the Ministry of Education,College of Computer Science and Technology, Jilin University, Changchun 130012,China

Received:2007-07-11 Revised:1900-01-01 Online:2008-11-01 Published:2008-11-01

摘要/Abstract

摘要： 为了求得一个数据集的最优分割，提出了一种基于PSO的分割聚类算法PKPSO，将PSO算法和K均值聚类算法有效地结合在一起，对群体中的候选解有选择地利用K均值算法做进一步优化以提高解的精度。通过对算法的分析，给出了控制参数选择依据。并将此算法与单独使用K均值、PSO算法及QPSO算法聚类进行比较，试验测试结果表明：PKPSO算法有更好的全局收敛性,不仅能有效地克服传统算法易陷入局部极小值的缺点,而且求得解的精度和算法的稳定性都明显优于其他方法。

关键词: 人工智能, 粒子群算法, 分割聚类, K均值算法, 惯性权重

Abstract:

To obtain the optimal partition of a data set, a hybrid clustering algorithm, PKPSO, based on PSO is proposed. In the proposed PKPSO the PSO algorithm is effectively integrated with the K-means algorithm. Among the population, selected candidate solutions are further optimized to improve the accuracy by the K-means algorithm. By analyzing the algorithm, the criterions for control parameters selection are determined. Partional clustering result by the proposed PKPSO is compared with that by PSO or by K-means algorithm, and results show that the global convergent property of PKPSO is better than that of the other algorithms. The PKPSO can not only overcome the shortcoming of local minimum trapping of the K-means, but also the solution precision and algorithm stability are better than that of the other two algorithm.

Key words: artificial intelligence, PSO, clustering, K-means algorithm, inertia weight

中图分类号:

TP301.6

张长胜，孙吉贵，崔妍，杨凤芹 . 一种基于PSO的分割聚类算法[J]. 吉林大学学报(工学版), 2008, 38(06): 1371-1377.

ZHANG Chang-sheng, SUN J-gui, CUI Yan, YANG Feng-qin . PSO based partitional clustering algorithm[J]. 吉林大学学报(工学版), 2008, 38(06): 1371-1377.

参考文献

相关文章 15

[1]	董飒, 刘大有, 欧阳若川, 朱允刚, 李丽娜. 引入二阶马尔可夫假设的逻辑回归异质性网络分类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1571-1577.
[2]	顾海军, 田雅倩, 崔莹. 基于行为语言的智能交互代理[J]. 吉林大学学报(工学版), 2018, 48(5): 1578-1585.
[3]	臧国帅, 孙立军. 基于惰性弯沉点的刚性下卧层深度设置方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1037-1044.
[4]	王旭, 欧阳继红, 陈桂芬. 基于垂直维序列动态时间规整方法的图相似度度量[J]. 吉林大学学报(工学版), 2018, 48(4): 1199-1205.
[5]	张浩, 占萌苹, 郭刘香, 李誌, 刘元宁, 张春鹤, 常浩武, 王志强. 基于高通量数据的人体外源性植物miRNA跨界调控建模[J]. 吉林大学学报(工学版), 2018, 48(4): 1206-1213.
[6]	黄岚, 纪林影, 姚刚, 翟睿峰, 白天. 面向误诊提示的疾病-症状语义网构建[J]. 吉林大学学报(工学版), 2018, 48(3): 859-865.
[7]	李雄飞, 冯婷婷, 骆实, 张小利. 基于递归神经网络的自动作曲算法[J]. 吉林大学学报(工学版), 2018, 48(3): 866-873.
[8]	刘杰, 张平, 高万夫. 基于条件相关的特征选择方法[J]. 吉林大学学报(工学版), 2018, 48(3): 874-881.
[9]	王旭, 欧阳继红, 陈桂芬. 基于多重序列所有公共子序列的启发式算法度量多图的相似度[J]. 吉林大学学报(工学版), 2018, 48(2): 526-532.
[10]	杨欣, 夏斯军, 刘冬雪, 费树岷, 胡银记. 跟踪-学习-检测框架下改进加速梯度的目标跟踪[J]. 吉林大学学报(工学版), 2018, 48(2): 533-538.
[11]	刘雪娟, 袁家斌, 许娟, 段博佳. 量子k-means算法[J]. 吉林大学学报(工学版), 2018, 48(2): 539-544.
[12]	于繁华, 刘仁云, 张义民, 张晓丽, 孙秋成. 机械零部件动态可靠性稳健优化设计的群智能算法[J]. 吉林大学学报(工学版), 2017, 47(6): 1903-1908.
[13]	曲慧雁, 赵伟, 秦爱红. 基于优化算子的快速碰撞检测算法[J]. 吉林大学学报(工学版), 2017, 47(5): 1598-1603.
[14]	李嘉菲, 孙小玉. 基于谱分解的不确定数据聚类方法[J]. 吉林大学学报(工学版), 2017, 47(5): 1604-1611.
[15]	邵克勇, 陈丰, 王婷婷, 王季驰, 周立朋. 无平衡点分数阶混沌系统全状态自适应控制[J]. 吉林大学学报(工学版), 2017, 47(4): 1225-1230.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed