湖南省科技计划项目(2013SK3146)
- 作品数：15 被引量：130H指数：8
- 相关作者：罗可李莲周博翔杨志李宗林更多>>
- 相关机构：长沙理工大学郑州轻工业学院更多>>
- 发文基金：湖南省科技计划项目国家自然科学基金湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于变异精密搜索的蜂群聚类算法被引量：9
- 2014年
- 针对K-means聚类算法过度依赖初始聚类中心、局部收敛、稳定性差等问题,提出一种基于变异精密搜索的蜂群聚类算法.该算法利用密度和距离初始化蜂群,并根据引领蜂的适应度和密度求解跟随蜂的选择概率P;然后通过变异精密搜索法产生的新解来更新侦查蜂,以避免陷入局部最优;最后结合蜂群与粗糙集来优化K-means.实验结果表明,该算法不仅能有效抑制局部收敛、减少对初始聚类中心的依赖,而且准确率和稳定性均有较大的提高.
- 罗可李莲周博翔
- 关键词：聚类粗糙集人工蜂群变异算子
- 一种改进人工蜂群的K-medoids聚类算法被引量：9
- 2013年
- 针对传统K-medoids聚类算法初始聚类中心选择较敏感、聚类效率和精度较低、全局搜索能力较差以及传统蜂群算法初始蜂群和搜索步长随机选取等缺点,提出了一种基于粒子和最大最小距离法初始化蜂群和随着迭代次数增加动态调整搜索步长的人工蜂群算法,将改进的人工蜂群进一步优化K-medoids,以提高聚类算法的性能。实验结果表明:该算法降低了对噪声的敏感程度,具有较高的效率和准确率,较强的稳定性。
- 李莲罗可周博翔
- 关键词：聚类人工蜂群算法粒计算
- 基于粒计算与粗糙集的人工鱼群聚类算法被引量：3
- 2015年
- 针对标准鱼群算法易受到初始鱼群随机性的影响,后期收敛速度减慢,处理边界数据能力低,聚类精度低等缺点,提出了基于粒计算与粗糙集的人工鱼群聚类算法。算法引入粒计算理论,并依据粒密度和最大最小距离积法选择初始化人工鱼群避免算法易受随机性的影响;通过结合粗糙集的决策系统和属性约简,提高算法解决边界数据的能力;采用类内紧致性和类间分离度的原则设计适应度函数,并将其作为算法的终止判断条件。实验结果表明:该算法提高了聚类精度,增强了获取全局极值的能力,具有良好的聚类效果。
- 陈济舟罗可
- 关键词：聚类粒计算粗糙集属性约简
- 基于粒计算的粗糙集聚类算法被引量：9
- 2013年
- 针对传统K-means聚类算法初始聚类中心随机选取、不能处理边界对象、效率低、聚类精度低等问题,提出了一种新的K-means聚类算法。算法引入粒计算理论,并依据密度和最大最小距离法选择初始聚类中心,避免初始聚类中心在同一个类中,结合粗糙集,通过动态调整上近似集和边界集的权重因子,以解决边界数据的聚类问题;最后采用类间距和类内距均衡化准则函数作为算法终止判断条件,来得到更好的聚类效果。实验结果表明:该算法具有较高的准确率,迭代次数较少,并降低了对噪声的敏感程度。
- 李莲罗可周博翔
- 关键词：聚类粗糙集粒计算K-均值
- DBSCAN算法中参数的自适应确定被引量：36
- 2016年
- DBSCAN算法需要人为确定Eps和min Pts两个参数,导致聚类结果的准确度直接取决于用户对参数的选择,因此提出一种新的参数确定方法,采用非参数核密度估计理论分析数据样本的分布特征来自动确定Eps和min Pts参数,避免了聚类过程的人工干预,实现聚类过程的自动化。理论分析和实验结果表明,该方法能够选择合理的Eps和min Pts参数,并得到了较高准确度的聚类结果。
- 李宗林罗可
- 关键词：核密度估计自适应聚类
- 一种基于Spark框架的并行FP-Growth挖掘算法被引量：14
- 2017年
- Apriori和FP-Growth算法是频繁模式挖掘中的经典算法,由于Apriori存在更多缺陷,因此FP-Growth是单机计算环境下比较高效的算法。然而,对于非并行计算在大数据时代遇到的瓶颈,提出一种基于事务中项间联通权重矩阵的负载平衡并行频繁模式增长算法CWBPFP。算法在Spark框架上实现并行计算,数据分组时利用负载均衡策略,存入分组的数据是相应频繁项的编码。每个工作节点将分组数据中每一个事物中项的联通信息存入一个下三角联通权重矩阵中,使用被约束子树来加快每个工作节点挖掘频繁模式时创建条件FP-tree的速度,再用联通权重矩阵避免每次挖掘分组中频繁模式时对条件模式基的第一次扫描。由于联通权重矩阵和被约束子树的结合应用于每一个工作节点的FP-tree挖掘过程,因此提升了并行挖掘FP-tree性能。通过实验表明,所提出的并行算法对大的数据有较高性能和可扩展性。
- 张稳罗可
- 关键词：数据挖掘关联规则FP-GROWTH大数据并行计算SPARK
- 基于改进的简化粒子群聚类算法被引量：7
- 2014年
- 针对粒子群算法后期收敛速度慢、易陷入局部极值的缺点,提出一种基于粒密度和最大距离积法的简化粒子群聚类算法。通过采用线性递减与随机分布相结合的惯性权重策略、添加极值扰动算子、优化粒子个体最优位置,使粒子群算法能够快速收敛于全局最优。再把改进后的粒子群算法与K-means算法相结合,解决Kmeans算法因随机初始聚类中心而导致聚类效果差、不稳定等问题。通过实验分析,该算法的聚类结果准确率更高、收敛速度更快、稳定性更强。
- 熊众望罗可
- 关键词：简化粒子群算法K-MEANS算法
- 新的小生境萤火虫模糊聚类被引量：1
- 2017年
- 模糊C均值算法因其简单、快速得到了广泛应用,但仍存在对初始值敏感和容易陷入局部最优的不足。提出了一种新的小生境萤火虫模糊聚类算法。该算法使用遍历性较好的立方混沌映射序列初始化萤火虫种群,并将随机惯性权重引入萤火虫算法,改变了基本萤火虫算法的位置更新公式,不仅减少了迭代次数,而且平衡了算法局部搜索和全局搜索的能力;并在迭代过程中合适时机实施小生境算法,进而增加了种群的多样性并加快了算法运算速度。仿真实验结果表明,该算法有效地抑制了早熟,并保证了种群的多样性和避免陷入局部最优,取得了较好的稳定性及良好的聚类结果。
- 李丹罗可孙振
- 关键词：萤火虫小生境技术
- 改进随机森林及其在人体姿态识别中的应用被引量：13
- 2015年
- 针对随机森林算法静态性、容易陷入局部最优等问题,提出了一种蜜蜂交配优化的随机森林算法,并将该算法应用于基于加速度传感器的人体姿态识别。设计了一套以三轴加速度传感器MMA7260与无线通信模块CC2430相结合的数据采集系统,采集了五种日常行为和一种异常行为;从加速度值中提取了近斜率、前后差、均值、均方根和信号幅值面积5类特征矢量;采用改进的随机森林算法训练行为模型和进行分类识别。实验结果表明:该算法能有效地识别六种行为,具有较高的分类预测准确率和行为识别率,且具有较强的稳定性、鲁棒性、全局寻优和抗噪声能力。
- 周博翔李平李莲
- 关键词：传感网加速度传感器
- 一种蜜蜂交配优化聚类算法被引量：6
- 2014年
- 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.
- 罗可李莲周博翔
- 关键词：聚类粗糙集K-MEANS
