孟颖
- 作品数：9 被引量：59H指数：5
- 供职机构：长沙理工大学计算机与通信工程学院更多>>
- 发文基金：国家自然科学基金湖南省教育厅重点项目湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术电气工程更多>>
- 一种基于差分演化的K-medoids聚类算法被引量：11
- 2012年
- 针对传统的K-medoids聚类算法具有对初始聚类中心敏感、全局搜索能力差、易陷入局部最优、收敛速度缓慢等缺点,提出一种基于差分演化的K-medoids聚类算法。差分演化是一类基于种群的启发式全局搜索技术,有很强的鲁棒性。将差分演化的全局优化能力用于K-medoids聚类算法,有效地克服了K-medoids聚类算法的缺点,缩短了收敛时间,改善了聚类质量。通过仿真验证了此算法的稳定性和鲁棒性。
- 孟颖罗可刘建华石爽
- 关键词：差分演化聚类质量全局优化
- 基于蚁群优化K-medoids的变电站特性聚类研究被引量：1
- 2012年
- 为建立合适的变电站负荷模型,将聚类方法引入到变电站负荷特性分析,提出了一种基于蚁群优化K-medoids的综合聚类算法。该综合算法是K-medoids算法对蚁群的历史最优位置进行聚类分析,蚁群算法全局搜索能力强,克服了K-medoids算法易陷入局部最优的缺点,提高了聚类的准确率。最后通过变电站特性聚类实例,验证了综合算法在变电站特性聚类的可行性和有效性。
- 刘建华孟颖谭智
- 关键词：蚁群算法负荷特性聚类分析
- 基于云计算的ACO-K中心点资源优化算法被引量：2
- 2013年
- 云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。
- 孟颖罗可刘建华姚丽娟
- 关键词：云计算资源分配
- 一种基于PSO&PAM的聚类算法被引量：1
- 2013年
- PAM是最早提出的k-medoids算法之一,该算法比较健壮,比k-means算法鲁棒性更强,但是PAM对初始值敏感,易陷入局部收敛。利用PSO算法对PAM进行优化,提出一种基于PSO和PAM的聚类方法,充分利用PAM和PSO两者对于不同问题的优势,来不断地更新PAM的聚类中心。通过建立基于熵的聚类有效性函数,对混合聚类算法的性能进行客观评价。从来自UCI的数据的测试结果表明,这种混合聚类的方法有较高的聚类正确率。
- 黄翔黄翔蔡碧野
- 关键词：PAM算法粒子群优化算法有效性函数
- 基于ACO-PAM综合算法的电力负荷聚类分析被引量：6
- 2011年
- 负荷特性分类与综合是实现负荷模型实用化的关键.为建立合适的变电站负荷模型,将聚类方法引入负荷特性分析,提出一种基于ACO-PAM的综合聚类算法.该综合算法是PAM算法对蚁群的历史最优位置进行聚类分析,将此位置代替PAM的参考点,作为新的聚类中心,数据将自适应地加入到适合它的聚类中.ACO算法具有全局搜索能力强、易于与其他方法结合的优点,改进了PAM算法易陷入局部最优、实际数据聚类效果差等不足.实例分析验证了ACO-PAM综合算法应用的可行性和有效性.
- 刘建华王进杨洪春孟颖
- 关键词：电力负荷负荷特性分类聚类分析
- 一种基于粒子群的聚类算法被引量：14
- 2012年
- 针对K-中心点算法对初始化敏感和容易陷入局部极值的缺点,提出一种基于粒子群算法和密度初始化改进的K-中心点聚类算法。该算法初始化时选择距离较远的k个候选范围作为k个聚类中心的选择范围,即粒子的初始值都在该k个范围内。通过粒子群算法优化聚类中心,以解决K-中心点算法因为聚类中心迭代计算较为复杂而导致的时间复杂度较高的问题。实验结果表明,该算法具有较高的正确率,较小的时间复杂度,综合性能更加稳定。
- 姚丽娟罗可孟颖
- 关键词：粒子群算法聚类
- 一种基于ACO的K-medoids聚类算法被引量：9
- 2012年
- K-medoids算法作为聚类算法的一种,不易受极端数据的影响,适应性广泛,但是K-medoids聚类算法的精确度不稳定,平均准确率较低,用于实际的聚类分析时效果较差。ACO是一种仿生优化算法,其具有很强的健壮性,容易与其他方法相结合,求解效率高等特点。在K-medoids聚类算法的基础上,借鉴ACO算法的优点,提出了一种新的聚类算法,它提高了聚类的准确率,算法的稳定性也比较高。通过仿真实验,验证了算法的可行性和先进性。
- 孟颖罗可姚丽娟王琳
- 关键词：聚类分析
- 一种新的k-medoids聚类算法被引量：18
- 2013年
- 针对k-medoids算法对初始聚类中心敏感,聚类精度较低及收敛速度缓慢的缺点,提出一种基于密度初始化、密度迭代的搜索策略和准则函数优化的方法。该算法初始化是在高密度区域内选择k个相对距离较远的样本作为聚类初始中心,有效定位聚类的最终中心点;在k个与初始中心点密度相近的区域内进行中心点替换,以减少候选点的搜索范围;采用类间距和类内距加权的均衡化准则函数,提高聚类精度。实验结果表明,相对于传统的k-mediods算法及某些改进算法,该算法可以提高聚类质量,有效缩短聚类时间。
- 姚丽娟罗可孟颖
- 关键词：聚类目标函数
- 基于模拟退火的粗糙集K均值电力负荷聚类分析被引量：5
- 2012年
- 为了建立合适的变电站负荷模型,将聚类方法引入到负荷特性分析,提出了一种基于模拟退火的粗糙集K均值电力负荷综合聚类算法。该算法将粗糙集理论、模拟退火思想与K均值相结合,通过模拟退火思想优化K均值聚类算法,采用最大最小原则动态生成K均值聚类数和初始聚类中心,同时结合粗糙集理论的上逼近和下逼近处理边界对象。最后,对变电站综合负荷静态特性进行聚类分析,比较类间距离和类内距离,结果验证了本文算法的可行性和有效性。
- 刘建华王进孟颖王文生
- 关键词：粗糙集K均值算法模拟退火电力负荷聚类分析
