10.3778/j.issn.1002-8331.1812-0094
基于自适应蜂群优化的DBSCAN聚类算法
针对传统的DBSCAN(Density-Based Spatial Clustering of Application with Noise,DBSCAN)聚类算法全局参数设置不合理、参数选取困难、无法识别重叠模块的问题,以及人工蜂群优化算法(Artificial Bees Colony, ABC)后期收敛速度慢、易陷入局部最优等缺陷进行了研究,提出一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN.该算法将截断选择机制与锦标赛选择机制相结合,提出一种截断-锦标赛选择机制(Truncation-Championship Selection Mechanism,TCSM),以增强种群多样性、避免跟随蜂选择蜜源陷入局部最优的缺陷;提出一种自适应步长策略(Adaptive Step Strategy,ASS)动态调整跟随蜂的搜索方式,以提高算法局部搜索能力和聚类速度;根据改进的IABC算法动态调节DBSCAN算法中的最优参数,将蜜源位置对应ε邻域,蜜源的适应度大小对应DBSCAN的聚类效果,并在多种测试函数和数据集上进行验证.实验结果表明,该算法不仅有效克服ABC和DBSCAN算法的缺陷,且正确率和召回率均有较大提高.
DBSCAN算法、人工蜂群优化算法、截断-锦标赛选择机制、自适应步长策略、聚类
55
TP399(计算技术、计算机技术)
国家自然科学基金41562019,41530640;江西省自然科学基金20161BAB203093;江西省教育厅科技项目GJJ151528,GJJ151531,GJJ161566;省社科规划项目13YD020
2019-08-01（万方平台首次上网日期，不代表论文的发表时间）
共10页
105-114
