结合蚁群算法的改进粗糙K均值聚类算法-数据采集与处理.PDFVIP

ISSN 1004⁃9037，CODENSCYCE4 http：// JournalofDataAcquisitionandProcessingVol.34，No.2，Mar.2019，pp.341-348 E⁃mail：sjcj DOI：10.16337/j.1004⁃9037.2019.02.017 Tel/Fax：+86⁃025 ⒸⒸ 2019byJournalofDataAcquisitionandProcessing 结合蚁群算法的改进粗糙K均值聚类算法 刘 洋 王慧琴1 1,2 张小红2,3 （1.西安建筑科技大学信息与控制工程学院，西安，710055；2.西安建筑科技大学管理学院，西安，710055；3.西安科 技大学通信与信息工程学院，西安，710054） 摘 要：粗糙集理论是一种处理边界对象不确定的有效方法。将粗糙集与K均值结合的粗糙K均值聚 类算法，具有简单高效且可处理聚类边界元素的特点，但同时存在缺陷。针对粗糙K均值聚类算法对 初始点敏感，经验权重设置忽略数据差异性，阈值设置不合理导致聚类结果波动性大的缺陷，本文提出 结合蚁群算法的改进粗糙K均值聚类算法，改进的算法中使用蚁群算法中随机概率选择策略和信息素 更新的正负反馈机制，以及采用动态调整算法阈值和相关权重的方法，对粗糙K均值聚类算法进行优 化。最后采用UCI的Iris、Balance⁃scale和Wine数据集分别对算法进行实验。实验结果表明，改进后的 粗糙K均值聚类算法得到的聚类结果准确率更高。 关键词：聚类；K均值；蚁群算法；粗糙集；目标函数 中图分类号：TP312 文献标志码：A AnImprovedRough K⁃meansClusteringAlgorithmCombiningAntColonyAlgo⁃ rithm 1 1,2 2,3 Liu Yang ，Wang Huiqin ，Zhang Xiaohong (1.School of Information and Control Engineering, Xian University of Architecture and Technology, Xian, 710055, China; 2.SchoolofManagement,XianUniversityofArchitectureandTechnology,Xian,710055,China;3.SchoolofCommunicationand InformationEngineering,XianUniversityofScienceandTechnology,Xian,710054,China) Abstract：Roughsettheoryisaneffectivemethodfordealingwithuncertainboundaryobjects.Therough K⁃meansclusteringalgorithmwhichcombinesroughsetwith K⁃meansissimpleandefficient.Thoughit candealwithclusteringboundaryelements，ithassomedrawbacks，forinstance，theoriginalrough K⁃ meansclusteringalgorithm issensitivetotheinitialcenter，theset⁃upofempiricalweighignoresdata difference，theunreasonablethresholdsettingengendersfluctuationofclusteringresults. Totacklethese drawbacks，this paper proposed an improved rough K ⁃means clustering algorithm combined with ant colonyalgorithm. Theimprovedalgorithm isoptimizedforrough K⁃meansclusteringbyusingrandom probabilityselectionstrategyandpherom