基于蚁群聚类的历史灾害分级方法

doi:10.3724/SP.J.1087.2012.01030

计算机应用 ›› 2012, Vol. 32 ›› Issue (04): 1030-1032.DOI: 10.3724/SP.J.1087.2012.01030

基于蚁群聚类的历史灾害分级方法

贾志娟¹,胡明生²,刘思²

1. 武汉理工大学计算机科学与技术学院，武汉 430070
2. 郑州师范学院网络中心，郑州 450044

收稿日期:2011-10-17 修回日期:2011-12-07 发布日期:2012-04-20 出版日期:2012-04-01
通讯作者: 刘思
作者简介:贾志娟(1973-)，女，河南郑州人，博士研究生，主要研究方向：人工智能、数据挖掘；胡明生(1973-)，男，河南新县人，副教授，博士，主要研究方向：智能控制与决策支持；刘思(1985-)，男，河南信阳人，硕士研究生，主要研究方向：人工智能。
基金资助:
国家自然科学基金资助项目;河南省基础与前沿技术研究项目;河南省教育厅自然科学研究计划项目

A Historical Disaster Classification Method Based on Ant Colony Clustering

JIA Zhi-juan¹,HU Ming-sheng²,LIU Si²

1. School of Computer Science and Technology, Wuhan University of Technology, Wuhan Hubei 430070, China
2. Network Center, Zhengzhou Normal University, Zhengzhou Henan 450044, China

Received:2011-10-17 Revised:2011-12-07 Online:2012-04-20 Published:2012-04-01
Contact: LIU Si
Supported by:
;the Natural Science Research Projects of Education Department of Henan Province

摘要/Abstract

摘要： 针对历史灾害记录的描述性、简约性问题，提出一种基于蚁群聚类的历史灾害分级方法。利用灰色关联分析方法对灾害数据进行归一化处理后，再通过蚁群自动聚类的结果来划分历史灾害的等级，以避免人为的主观任意性干扰。通过与其他分级方法的性能对比，实验结果证明该方法具有较高的精确性和实用性。

关键词: 历史灾害, 分级, 聚类, 蚁群算法, 灰色关联分析

Abstract: Aiming at the descriptiveness and parsimony problems of historical disaster records a historical disaster classification method which based on ant colony clustering is proposed in this paper. The disaster data are normalized by using gray relational analysis approach, and then the levels of historical disasters are divided by the results of ant colony automatic clustering, so as to avoid the arbitrary man-made interference. In comparison with other classification methods in performance, experimental results show that this method has high accuracy and practicality.

Key words: historical disasters, classification, clustering, ant colony algorithm, gray relational analysis

贾志娟胡明生刘思. 基于蚁群聚类的历史灾害分级方法[J]. 计算机应用, 2012, 32(04): 1030-1032.

JIA Zhi-juan HU Ming-sheng LIU Si. A Historical Disaster Classification Method Based on Ant Colony Clustering[J]. Journal of Computer Applications, 2012, 32(04): 1030-1032.

参考文献

［1］防灾减灾空间信息建设亟待加强［EB/OL］. [2011-09-01]. http://news.xinhuanet.com/society/2011-05/12/c_121406775.htm. ［2］马细霞，李艳.基于主成分分析的农业旱灾等级区划研究［J］.郑州大学学报，2011,32(1):125-128. ［3］张星.自然灾害灾情的熵权综合评价模型［J］.自然灾害学报，2009,18(6):189-192. ［4］龚日朝，王爱平.基于信息融合的自然灾害等级评估方法研究［J］.中国安全科学学报，2010, 20(11):3-10. ［5］代博洋,李志强,李晓丽.基于物元理论的自然灾害损失等级划分方法［J］.灾害学，2009,24(1):1-5. ［6］高燕，陈云翔.基于免疫遗传算法的洪灾神经网络评估模型［J］.自然灾害学报，2006,15(1):110-114. ［7］徐海亮，陈亚宁.洪水灾害等级划分的模糊聚类分析［J］.干旱区地理，2000，23(4)：350-352. ［8］ ZHANG QIU-YU, YANG HUI-JUAN, WANG PENG, et al. Fuzzy clustering based on semantic body and its application in Chinese spam filtering［J］. JDCTA: International Journal of Digital Content Technology and its Applications, 2011, 5(4): 1-11. ［9］陈亚宁，杨思全.灰色聚类在洪水灾害等级划分中的应用［J］.干旱区地理，1999，22(3)：37-42. ［10］ WEN KUN-LI, YOU MEI-LI, LEE B-Y. Apply grey relationalgrade and rough set theory for the factor weighting analysis in liver function［J］. Journal of Convergence Information Technology, 2011, 6(9):420-428. ［11］李祚泳,汪嘉杨.基于蚁群算法的BP网络优化算法［J］.JOCA，2010,30(6):1513-1518. ［12］刘喜恩.用于连续空间寻优的一种蚁群算法［J］.JOCA，2009,29(10):2744-2747. ［13］ DORIGO M, STTZLE T. Ant colony optimization［M］.北京:清华大学出版社,2005. ［14］ CHIANG CHUAN-WEN, HUANG YU-QING, LU GUO-QIN, et al. Ant-inspired search techniques for solving the zero-one knapsack problem with multiple constraints［J］. International Journal of Advancements in Computing Technology, 2011, 3(4): 242-255. ［15］ HOMBERGER J, GEHRING H. An ant colony optimization-based negotiation approach for lot-sizing in supply chains［J］. International Journal of Information Processing and Management, 2011, 2(3): 86-99.

[1]	陈恒恒, 倪志伟, 朱旭辉, 金媛媛, 陈千. 基于聚类分析的差分隐私高维数据发布方法[J]. 计算机应用, 2021, 41(9): 2578-2585.
[2]	祝承, 赵晓琦, 赵丽萍, 焦玉宏, 朱亚飞, 陈建英, 周伟, 谭颖. 基于谱聚类半监督特征选择的功能磁共振成像数据分类[J]. 计算机应用, 2021, 41(8): 2288-2293.
[3]	曾祥银, 郑伯川, 刘丹. 基于深度卷积神经网络和聚类的左右轨道线检测[J]. 计算机应用, 2021, 41(8): 2324-2329.
[4]	戴嫣然, 戴国庆, 袁玉波. 基于肤色学习的多人脸前景抽取方法[J]. 计算机应用, 2021, 41(6): 1659-1666.
[5]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[6]	马建红, 曹文斌, 刘元刚, 夏爽. 基于功效特征的专利聚类方法[J]. 计算机应用, 2021, 41(5): 1361-1366.
[7]	李国荣, 冶继民, 甄远婷. 基于新的鲁棒相似性度量的时间序列聚类[J]. 计算机应用, 2021, 41(5): 1343-1347.
[8]	龙超奇, 蒋瑜, 谢雨. 基于峰值网格改进的小波聚类算法[J]. 计算机应用, 2021, 41(4): 1122-1127.
[9]	李杏峰, 黄玉清, 任珍文, 李毅红. 基于自适应邻域的鲁棒多视图聚类算法[J]. 计算机应用, 2021, 41(4): 1093-1099.
[10]	吕佳, 鲜焱. 结合改进密度峰值聚类和共享子空间的协同训练算法[J]. 计算机应用, 2021, 41(3): 686-693.
[11]	郭佳, 韩李涛, 孙宪龙, 周丽娟. 自动确定聚类中心的比较密度峰值聚类算法[J]. 计算机应用, 2021, 41(3): 738-744.
[12]	邹志文, 秦程. 基于k-means++的动态构建空间主题R树方法[J]. 计算机应用, 2021, 41(3): 733-737.
[13]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.
[14]	张恩, 李会敏, 常键. 可验证的隐私保护k-means聚类方案[J]. 计算机应用, 2021, 41(2): 413-421.
[15]	胡誉生, 何炳蔚, 邓清康. 混合视觉系统的运动物体检测和静态地图重建[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3332-3336.

基于蚁群聚类的历史灾害分级方法

A Historical Disaster Classification Method Based on Ant Colony Clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics