张守明
- 作品数：4 被引量：9H指数：2
- 供职机构：兰州理工大学电气工程与信息工程学院更多>>
- 发文基金：甘肃省自然科学基金甘肃省科技支撑计划更多>>
- 相关领域：自动化与计算机技术冶金工程更多>>
- 基于Boltzmann选择的人工蜂群KFCM算法被引量：3
- 2011年
- 为提高算法的搜索效率、减少搜索过程中陷入局部最优的现象,将人工蜂群算法用于核模糊C-均值聚类,但在聚类数比较大和维度较高时效果不太好,为此引入Boltzmann选择机制代替轮盘赌的选择方式,并采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强,有效克服了KFCM算法易陷入局部最优的缺点.实验结果表明,对于聚类数比较大、维度较高的数据样本,新算法与FCM和KFCM聚类算法相比,聚类效果更准确,效率更高,迭代次数更少.
- 赵小强张守明
- 关键词：数据挖掘人工蜂群算法
- 基于Boltzmann选择的改进ABFM算法
- 2011年
- 模糊C-均值(FCM)聚类算法是数据挖掘中应用广泛的一种方法,但还存在容易陷入局部极小值和对初始值敏感的缺点,为此提出了一种基于Boltzmann选择机制的改进人工蜂群的模糊C-均值聚类算法(BABFM)。该算法引入了Boltzmann选择机制代替轮盘赌的选择方式,采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强,有效克服了FCM算法的缺点。实验结果表明,新算法与FCM和ABFM聚类算法相比聚类效果更准确,效率更高,迭代次数更少。
- 赵小强张守明
- 关键词：人工蜂群
- 基于人工蜂群的模糊聚类数据挖掘算法研究
- 随着社会经济的进步，工业生产过程的自动化和智能化程度越来越高。自动化程度的不断加深使企业积累和存储了越来越多的过程历史数据。一方面，随着企业对自身要求的不断提高，这些丰富的数据资源成为可以利用的资源;另一方面，工业过程的...
- 张守明
- 关键词：信息查询数据挖掘模糊聚类算法语言
- 基于人工蜂群的模糊聚类算法被引量：6
- 2010年
- 针对模糊C-均值(FCM)聚类算法存在容易陷入局部极小值、对初始值和噪声数据敏感的缺点,提出一种基于人工蜂群(ABC)的模糊聚类算法(ABFM).该算法引入全局寻优能力强的人工蜂群算法来求得最优解作为FCM算法的初始聚类中心,然后利用FCM算法优化初始聚类中心,最后求得全局最优解,从而有效克服了FCM算法的缺点.实验结果表明,新算法与FCM聚类算法相比,提高了算法的寻优能力,并且迭代次数更少,收敛速度更快,聚类效果更好.
- 赵小强张守明
- 关键词：模糊C-均值聚类人工蜂群数据挖掘
