基于阈值和蚁群算法结合的聚类方法.pdfVIP

第 4 1卷 　第 6期 西 　南 　交 　通 　大 　学 　学 　报 Vol. 4 1　No. 6 2006年 12 月 　　　　　　JOURNAL OF SOU THW EST J IAO TON G UN IV ER SITY　　　 　　　 D ec. 2006 　　文章编号 :(2006) 0607 1905 基于阈值和蚁群算法结合的聚类方法 杨 　燕, 　张昭涛 (西南交通大学信息科学与技术学院 , 四川 成都 6 10031) 摘 　要 :为了改善聚类分析的质量 ,提出了一种基于阈值和蚁群算法相结合的聚类方法. 按此方法 ,首先由基于 阈值的聚类算法进行聚类 ,生成聚类中心 ,聚类个数也随之初步确定 ;然后将蚁群算法的转移概率引入 K平均 ( ) 算法 ,对上述聚类结果进行二次优化. 实验表 明 ,与 K平均算法等相 比 ,该聚类方法的 F 测度值 F m ea sure 更高. 关键词 :聚类 ;蚁群算法 ; K平均算法 中图分类号 : TP3 11; TP18　　文献标识码 : A C lu ster ing M ethod Com b in ing Threshold A lgor ithm w ith An t Colony A lgor ithm YAN G Yan, 　ZHAN G Z haotao ( Schoo l of Inform ation Science and Technology, Sou thwe st J iaotong U n iversity, Chengdu 6 1003 1, Ch ina) A b stract: To imp rove the quality of clu sting analysis, a novel clu stering m ethod comb in ing the thre sho ld algorithm w ith the an t co lony algorithm wa s p ropo sed. W ith th is m ethod, the cen ter and number of clu stering are determ ined by u sing the clu stering algorithm ba sed on thre sho ld, and then the above clu stering re su lts are op tim ized by the K m ean s algorithm com b in ing w ith tran sition p robab ility ba sed on the an t co lony algorithm. The exp erim en tal re su lts show that the p ropo sed clu stering m ethod ha s a h igher F m ea su re than the K m ean s and other algorithm s. Key words: clu stering; an t co lony algorithm ; K m ean s 　　所谓聚类 ,是对数据集中的数据应用某种方法进行分组 ,使得每组内部的数据尽可能相似而不同组之 间的数据尽可能不同 ,从而发现数据集内在的结构. 从机器学习的观点来看 ,聚类是一种无监督的学习 ,因 为它没有关于分类