检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于K-means的改进人工蜂群聚类算法

曹永春蔡正琦邵亚斌

计算机应用 2014, 34 (1): 204-207. DOI: 10.11772/j.issn.1001-9081.2014.01.0204

摘要（565）

PDF （814KB）（607）

针对K-means聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点,提出一种基于K-means的人工蜂群(ABC)聚类算法。将改进的人工蜂群算法和K-means迭代相结合,使算法对初始聚类中心的依赖性和陷入局部最优解的可能性降低,提高了算法的稳定性。通过基于反向学习的初始化策略,增强了初始群体的多样性。利用非线性选择策略,改善了过早收敛问题,提高了搜索效率。通过对邻域搜索范围的动态调整,提高了算法收敛速度,增强了局部寻优能力。实验结果表明,该算法不仅克服了K-means算法稳定性差的缺点,而且具有良好的性能和聚类效果。

相关文章 | 多维度评价

Select

2. 基于免疫遗传算法的复杂网络社区发现

曹永春田双亮邵亚斌蔡正琦

计算机应用 2013, 33 (11): 3129-3133.

摘要（691）

PDF （811KB）（344）

针对大部分基于智能优化算法的社区发现方法存在的种群退化、寻优能力不强、计算过程复杂、需要先验知识等问题，提出了一种基于免疫遗传算法(GA)的复杂网络社区发现方法。算法将改进的字符编码和相应的遗传算子相结合，在不需要先验知识的情况下可自动获得最优社区数和社区划分方案；将免疫原理引入遗传算法的选择操作中，保持了群体多样性，改善了遗传算法所固有的退化现象；在初始化种群及交叉和变异算子中利用网络拓扑结构的局部信息，有效缩小了搜索空间，增强了寻优能力。计算机生成网络和真实网络上的仿真实验结果表明算法可自动获取最优社区数和社区划分方案并具有较高的精度，说明算法具有可行性和有效性。