鱼群算法在聚类分析中的应用改进
数据挖掘是目前信息产业界最热门的研究方向之一,而数据挖掘中的核心技术是聚类分析.聚类分析在统计学、数据挖掘、机器学习等很多领域中都有非常广泛的应用.人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)是一种新型的仿生优化算法,采用自下而上的设计方法,对寻优空间的形式和性质要求不高.且算法本身拥有对初始参数要求低、结构简单和寻优速度快等优点,可用于许多优化模型的求解,使得算法从提出到现在得到了广泛的好评.本文在深入研究人工鱼群算法的基础上,将人工鱼群算法与聚类的思想相融合,通过构造人工鱼个体模型、确定算法的目标函数,提出了一种用于解决聚类问题的人工鱼群算法.本文设计了一次实验,通过编程将鱼群算法实现,并与K-means算法一同处理iris数据集,运用最优值、最优值次数、准确度等评估准则,对比结果并验证鱼群算法的优越性.
数据挖掘 聚类分析 人工鱼群算法 评估准则
郭永峰 李兴国 顾东晓
合肥工业大学管理学院 合肥230009
国内会议
管理科学与工程学会2016年年会暨第十四届中国管理科学与工程论坛
江苏镇江
中文
471-480
2016-10-21（万方平台首次上网日期，不代表论文的发表时间）