资源描述：
《蚁群k_medoids融合的聚类算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第26卷第9期电子测量与仪器学报Vol.26No.9
·800·JOURNALOFELECTRONICMEASUREMENTANDINSTRUMENT2012年9月DOI:10.3724/SP.J.1187.2012.00800蚁群K-medoids融合的聚类算法*赵烨1黄泽君2(1.合肥工业大学计算机与信息学院,合肥230009;2.上海大学通信与信息工程学院,上海200072)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
2、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。关键词:聚类分析;蚁群算法;K-medoids算法中图分类号:TP391文献标识码:A国家标准学科分类代码:510.4050ClusteringalgorithmbasedonfusionofantcolonyalgorithmandK-medoidsZhaoY
3、e1HuangZejun2(1.SchoolofComputerandInformation,HefeiUniversityofTechnology,Hefei230009,China;2.SchoolofCommunicationand
InformationEngineering,ShanghaiUniversity,Shanghai200072,China)Abstract:Antcolonyalgorithmcanachieveautonomousclusteringwithoutanypriorknowledgeandhumanintervention.Itisstro
4、ngrobustandeasytocombinewithotheralgorithms.Butantcolonyalgorithmisexpensiveontimeconsuming.K-medoidsalgorithmisaclassicalclusteringalgorithmbasedonpartitioning.Itiswidelyusedbecauseithashighspeedandgoodefficiency.Butthenumberofclustersmustbepriordecided.K-medoidsalgorithmdependentsontheiniti
5、alclustercentrepoints.Inordertoresolvetheseproblems,aclusteringalgorithmnamedantcolonyalgorithmandK-medoidsclusteringalgorithm(AKCA)isproposed.TheadvantageofantcolonyalgorithmisincorporatedwithK-medoidsalgorithm.Theexperimentalresultsshowthattheproposedalgorithmhashighefficiency,clusteringqua
6、lityandadaptabilityforsmallscaledatabases.Keywords:clusteranalysis;antcolonyalgorithm;K-medoidsalgorithm1引言Lumer和Faieta[2]提出了BM模型的扩展算法LF[2]提出了BM模型的扩展算法LF算法,设计了测量数据间的相似度函数,蚂蚁依据聚类分析是数据挖掘中的一种重要的技术。随此相似度函数进行随机的启发式搜索,随机移动、着现今各种信息的数据量所呈现出的爆炸性增长,拾起或放下数据。而不需要事先确定簇数目,属于现有的聚类分析技术也面临着更大的挑战,因此,自主聚类。在BM和L
7、F模型的基础上,研究者又聚类算法的研究已经成为数据挖掘、模式识别、统提出了许多基于蚁群的聚类算法及改进方法[3-8]。[3-8]。计学等多个相关研究领域中的前沿和热点问题之但以上算法在处理聚类问题时还存在许多尚待解一。近年来,一些学者应用群体智能的思想解决聚决的问题,如算法时间成本较高,效率较低,参数类问题,如蚂蚁种群优化和粒子群优化等。Deneubourg[1]等人首次提出了一种基本模型(Basic设置缺少鲁棒性等。K-medoids算法[9]是目前应用较为广泛的一种[9]是目
