电子学报 ›› 2014, Vol. 42 ›› Issue (12): 2435-2441.DOI: 10.3969/j.issn.0372-2112.2014.12.015

• 学术论文 • 上一篇    下一篇

一种蜜蜂交配优化聚类算法

罗可, 李莲, 周博翔   

  1. 长沙理工大学计算机与通信工程学院, 湖南长沙 410114
  • 收稿日期:2013-07-15 修回日期:2014-03-20 出版日期:2014-12-25 发布日期:2014-12-25
  • 作者简介:罗 可 男,1961年生于湖南长沙,现为长沙理工大学计算机与通信工程学院教授,研究生导师.主要研究方向为:数据挖掘、计算机应用等研究. E-mail:luok@csust.edu.cn;李 莲 女,1987年生于湖南郴州,硕士研究生,主要研究方向为:数据库技术、数据挖掘的研究. E-mail:lilianhappy2012@163.com;周博翔 男,1988年生于湖南邵阳,硕士研究生,主要研究方向为:移动计算、数据挖掘研究. E-mail:xs_zbx@163.com
  • 基金资助:

    国家自然科学基金(No.11171095,No.71371065);湖南省自然科学衡阳联合基金(No.10JJ8008);湖南省科技计划项目(No.2013SK3146)

A Honey-Bee Mating Optimization Clustering Algorithm

LUO Ke, LI Lian, ZHOU Bo-xiang   

  1. Institute of Computer and Communication Engineering, Changsha University of Sciences and Technology, Changsha, Hunan 410014, China
  • Received:2013-07-15 Revised:2014-03-20 Online:2014-12-25 Published:2014-12-25

摘要:

K-means算法因简单、高速等特点而被广泛应用,但该算法仍然存在依赖于初始聚类中心、易陷入局部最优等缺陷.为此,提出了一种蜜蜂交配优化聚类算法.该算法利用密度和距离初始化蜂群,并将局部搜索能力较强的粗糙集聚类算法作为工蜂的一种编码,以增强算法的局部搜索能力,最后在迭代过程中不断引入随机种群,增加种群的多样性,提高算法的全局寻优能力.实验结果表明,该算法不仅能有效抑制早熟收敛,而且具有较强的稳定性,较好的聚类效果.

关键词: 聚类, 蜜蜂交配优化, 粗糙集, K-means

Abstract:

K-means algorithm is the most widely used method due to its easy understanding and fast speed.However,this method has the disadvantage that the clustering results depend on the selection of the initial clustering center and it is easy to fall into local optimal.For this reason,this paper proposed a honey-bee mating optimization clustering algorithm.It generates initial swarm by density and distance,and regards rough set clustering algorithm which has strong local search ability as a code of the works to enhance the local search ability of the algorithm.At last,in order to improve the diversity level of the swarm and the global optimization ability of the algorithm,random swarm population are introduced continuously in the iterative process.Our experiments show that the proposed algorithm not only can effectively suppress premature convergence,but also has strong stability and produces good clustering results.

Key words: clustering, honey-bee mating optimization, rough set, K-means

中图分类号: