您的位置: 专家智库 > >

谢文斌

作品数:2 被引量:8H指数:2
供职机构:宁波大学科学技术学院更多>>
发文基金:浙江省教育厅科研计划浙江省大学生科技创新活动计划(新苗人才计划)项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇子群
  • 2篇粒子群
  • 2篇聚类
  • 1篇优化算法
  • 1篇群算法
  • 1篇粒子群算法
  • 1篇粒子群优化
  • 1篇粒子群优化算...
  • 1篇近邻传播聚类
  • 1篇近邻传播算法
  • 1篇聚类算法
  • 1篇PSO
  • 1篇MEANS
  • 1篇MEANS算...

机构

  • 2篇宁波大学

作者

  • 2篇童楠
  • 2篇符强
  • 2篇谢文斌
  • 1篇陈维奇
  • 1篇王忠秋

传媒

  • 2篇计算机系统应...

年份

  • 2篇2014
2 条 记 录,以下是 1-2
排序方式:
基于粒子群的近邻传播算法被引量:6
2014年
针对近邻传播(AP)算法中偏向参数与收敛系数对AP算法的聚类效果的局限性的问题,提出了一种基于粒子群的近邻传播算法(PSO-AP算法).通过将AP算法中的偏向参数与收敛系数作为粒子,然后使用粒子群算法来对其进行智能地调整,进而提高AP算法的聚类效果.实验结果表明,该算法能有效地解决偏向参数与收敛系数对AP算法的聚类效果局限性,提高了聚类效果与收敛精度.
谢文斌童楠王忠秋贾官洪陈维奇符强
关键词:近邻传播聚类粒子群优化算法
基于多类合并的PSO-means聚类算法被引量:2
2014年
针对传统K-means算法中对初始化聚类中心敏感,容易陷入局部极小值等缺点,提出了一种基于粒子群算法和多类合并方法的新型K-means聚类算法.该算法首先利用改进粒子群算法选取初始聚类中心,然后利用K-means算法进行优化聚类,最后根据多类合并条件进行聚类合并,以获取最佳聚类结果.实验结果证明,该算法能有效解决传统K-means算法存在的缺陷,具有更快的收敛速度及更好的全局搜索能力,聚类划分效果更优.
林有城符强谢文斌史马杰童楠
关键词:粒子群算法MEANS算法
共1页<1>
聚类工具0