詹海亮
- 作品数：4 被引量：47H指数：2
- 供职机构：西北工业大学自动化学院更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金陕西省科技攻关计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于人工免疫系统的克隆-K均值算法被引量：10
- 2008年
- 提出了一种用于聚类分析的克隆-K均值算法。基于人工免疫系统的克隆选择算法具有全局搜索能力强,收敛于全局最优解的特点。基于以上优点,在克隆选择算法中引入K-均值算子,对种群中的个体在克隆、变异操作后进行K-均值运算。通过对初始种群的形成、克隆操作、变异操作、替代操作和K-均值操作等过程的描述,提出了完整的克隆-K均值算法。实验研究表明,算法成功解决了K-均值算法对初始值敏感且容易陷入局部最优的缺点,算法明显优于传统的K-均值聚类算法。
- 詹海亮薛惠锋苏锦旗
- 关键词：聚类分析克隆选择算法
- 基于划分采样的初始聚类中心算法
- 2011年
- 针对大数据集的初始聚类中心选取问题,在基于密度的划分算法和适用于大规模数据集限定初值的采样算法基础上,提出了一种用于初始聚类中心的划分采样算法。对聚类子空间在每一维上进行均匀划分形成不同的数据区域,根据数据区域的数据点数的多少进行采样来提高采样的准确性。利用采样思想缩小了数据集的规模,保证了算法在时间上的优势。通过不同规模、不同形状的数据集对算法进行验证,实验结果表明,与其它初始聚类中心算法相比,该算法在准确率和时间上都具有一定的优势。
- 李玮薛惠锋詹海亮
- 基于划分的K-均值初始聚类中心优化算法被引量：35
- 2009年
- 提出了一种新的初始化K-means的聚类算法,该算法通过区域划分方法估算出K个中心点作为初始聚类中心,从初始聚类中心出发,应用K-means聚类算法,得到聚类结果.实验表明,该算法能产生高质量的聚类结果、较少的迭代次数,优于K-means算法中传统的聚类中心初始化算法.
- 苏锦旗薛惠锋詹海亮
- 关键词：K-均值算法聚类分析
- 基于区域最近邻生长的层次聚类算法被引量：2
- 2010年
- 对于非球形和其它特殊形状的非凸数据集的聚类,基于划分的聚类算法很难取得理想的聚类结果。层次聚类算法根据数据的特征将距离近的数据进行合并,对于球形数据集和其它具有特殊形状的数据集有很好的聚类效果。在分析现有层次聚类算法的基础上,根据层次聚类的合并思想和最近邻距离的计算提出了基于区域最近邻生长的层次聚类算法。
- 杨栋詹海亮苏锦旗
- 关键词：聚类算法层次聚类算法
