基于布谷鸟搜索改进的聚类算法

孙伟鹏; 孟斌; 吴锡生

Chinese

您当前的位置：

首页 >

文章列表页 >

基于布谷鸟搜索改进的聚类算法

更新时间：2026-09-04

- 基于布谷鸟搜索改进的聚类算法
- Improved Clustering Algorithm Based on Cuckoo Search
- 微电子学与计算机 2018年35卷第8期页码：16-20
- 作者机构：
  
  1. 江南大学物联网工程学院,江苏,无锡,214122
  2. 中船重工集团第七〇二研究所软件工程中心,江苏,无锡,214082
- 作者简介：
- 基金信息：
  
  国家自然科学基金 61672265七〇二所青年创新基金 J775
- DOI：
  中图分类号：
- 纸质出版：2018
- 稿件说明：
移动端阅览
孙伟鹏, 孟斌, 吴锡生. 基于布谷鸟搜索改进的聚类算法[J]. 微电子学与计算机, 2018, 35(8): 16-20.

SUN Wei-peng, MENG bin, WU Xi-sheng. Improved Clustering Algorithm Based on Cuckoo Search[J]. 2018, 35(8): 16-20.
孙伟鹏, 孟斌, 吴锡生. 基于布谷鸟搜索改进的聚类算法[J]. 微电子学与计算机, 2018, 35(8): 16-20. DOI：

SUN Wei-peng, MENG bin, WU Xi-sheng. Improved Clustering Algorithm Based on Cuckoo Search[J]. 2018, 35(8): 16-20. DOI：

摘要

在分析K-均值算法和布谷鸟搜索(CS)算法的基础上

本文提出了一种基于改进布谷鸟搜索算法的聚类算法.该算法将局部搜索能力强的K-均值算法和全局搜索能力强的布谷鸟搜索算法相结合.既提高了布谷鸟搜索算法的局部搜索能力

加快了收敛速度.同时因为布谷鸟搜索算法具有较强的全局搜索能力

有效地防止了早熟收敛现象的发生

因此可以有效地获得全局最优解.实验表明该聚类算法有更好的收敛效果.

Abstract

Based on the analysis of K-means algorithm and cuckoo search (CS) algorithm

this paper proposes a clustering algorithm based on improved cuckoo search algorithm. The algorithm combines the strong local search ability provided by K-means algorithm with the strong global search ability provided by improved cuckoo search algorithm. Which not only improves the local search ability of the cuckoo search algorithm

but also accelerates the convergence rate. At the same time

because the cuckoo search algorithm has strong global search ability

it can effectively prevent the premature convergence phenomenon

so it can effectively achieve the global optimal result. Experiments show that the clustering algorithm has a better convergence effect.

关键词

Keywords

references

Xu Jinhua, Liu Hong.Web users clustering analysis based on k-means algorithm[C]//IEEE 2010 internationalconference on information, networking and automation. Kunming, China, IEEE, 2010.

Han Jiawei, Kamber.数据挖掘概念与技术[M].范明, 孟小峰.北京:机械工业出版社, 2008.

Yang X S, Deb S. Cuckoo search via Lévy flights [C]//NaBIC 2009: Proceedings of the 2009 World Congress on Nature % Biologically Inspired Computing. Piscataway, NJ: 2009: 210 - 214.

谢娟英, 王艳娥.最小方差优化初始聚类中心的K-means算法[J].计算机工程, 2014, 40(8):205-211. DOI: 205

陈光平, 王文鹏, 黄俊.一种改进初始聚类中心选择的K-means算法[J].计算机系统, 2012, 33(6):1320-1323. DOI: 1320

Yang X S, Deb S. Engineering optimization by cuckoo search[J]. Computers % Operations Research, 2013, 40(6): 1616-1624. DOI: 1616

沈艳, 余冬华, 王浩类.粒子群K-means聚类算法的改进[J].计算机工程与应用, 2014, 50(21): 125-128. DOI: 125

Deb S, Yang X S, et al. Towards enhancement of performance of K-means clustering using nature-inspired optimization algorithms[J].The Scientific World Journal, 2014: 564-829. DOI: 564

孙吉贵, 刘杰, 赵连宇.聚类算法研究[J].软件学报, 2008, 19(1): 48-61. DOI: 48

陆林花, 王波.一种改进的遗传聚类算法[J].计算机工程与应用, 2007, 43(21): 170-172. DOI: 170

邢长征, 谷浩.基于平均密度优化初始聚类中心的k-means算法[J].计算机工程与应用, 2014, 50(20):135-138. DOI: 135

Goyal M, Kumar S. Improving the initial centroids of k-means clustering algorithm to generalize its applicability[J].Journal of the Institution of Engineers, 2014, 95(4):345-350. DOI: 345

张永韡, 汪镭, 吴启迪.动态适应布谷鸟搜索算法[J].控制与决策, 2014, 29(4):617-622. DOI: 617

邓洪清, 周永权.一种自适应步长布谷鸟搜索算法[J].计算机工程与应用, 2013, 49(10): 68-70. DOI: 68

陶新民, 徐晶.一种改进的粒子群和K均值混合聚类算法[J].电子与信息学报, 2010, 32(1): 92-97. DOI: 92

王李进, 尹义龙, 钟一文.逐维改进的布谷鸟搜索算法[J].软件学报, 2013, 23(11):2687-2698. DOI: 2687

刘长平, 叶春明.具有Lévy飞行特征的蝙蝠算[J].智能系统学报, 2013, 8(3): 240-246. DOI: 240

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

注意力机制与改进密集卷积引导的信息隐藏模型

基于改进RT-DETR的航拍小目标检测算法

AlN/GaN混合缓冲层双异质结p-GaN HEMT直流特性仿真

低功耗设计的双链电源关断策略的实现与验证

V型沟槽SiC中子探测器的蒙特卡洛分析