【摘 要】
：
模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后
【机 构】
：
河南理工大学 计算机科学与技术学院,河南 焦作454000;河南理工大学 学术出版中心,河南 焦作454000
论文部分内容阅读
模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后提出一种自适应步长方法来平衡探索与开发能力;最后在局部搜索过程中对每次迭代的最优个体加入高斯扰动策略,使其跳出局部最优.该过程拥有良好的寻优能力,易于得到全局最优值,将其作为模糊C均值聚类算法的初始中心进行聚类,可有效增强算法的鲁棒性,提高算法的全局寻优能力.为了评估算法的有效性,在4个数据集上进行了对比实验,实验结果表明该算法在聚类准确率和鲁棒性方面均优于对比算法.
其他文献
目前对决策树(Decision Tree,DT)分类问题的相关研究已取得了很多成果,但仍存在一些问题,如决策树在寻找最优切分点时需要遍历特征的所有取值,当数据集规模较大时,递归构建决
针对现实购物场景中存在的用户偏好多样性且兴趣动态变化的问题,本文提出一种融合上下文信息的序列推荐模型(DeepSeq),通过嵌入用户提供的反馈信息深入挖掘用户的长短期潜在
针对大多数基于FPGA的加速器受限于运算资源与访存带宽,很难部署大型的神经网络这一问题,通过研究神经网络的计算特点,运用通用计算模型的思想,提出了一种指令集架构的神经网
社交媒体中俄语情感信息的深入挖掘和分析,对国家制定政治、经贸和外交战略具有重要参考价值.本文针对俄语社交媒体文本口语化、不规范、形态多样等特点,提出融合俄语形态、