山东大学学报(工学版) 2010, 40(3) 13-18 DOI:     ISSN: 0412-1961 CN: 21-1139

本期目录 | 下期目录 | 过刊浏览 | 高级检索                                                            [打印本页]   [关闭]
机器学习与数据挖掘
扩展功能
本文信息
Supporting info
PDF(1071KB)
参考文献[PDF]
参考文献
服务与反馈
把本文推荐给朋友
加入我的书架
加入引用管理器
引用本文
Email Alert
文章反馈
浏览反馈信息
本文关键词相关文章
聚类算法;蚁群系统
DBSCAN算法
本文作者相关文章
PubMed
基于蚁群系统的聚类算法研究
沙露1,2, 鲍培明1,2*, 李尼格1,2
1. 南京师范大学计算机系, 江苏 南京 210097; 2. 江苏省信息安全保密技术工程研究中心, 江苏 南京 210097
摘要

针对传统聚类算法在对复杂密集型数据集聚类时不能取得较好聚类结果的问题,利用进化聚类算法对复杂密集型数据集进行聚类,提出一种基于蚁群系统的聚类算法(clustering algorithm based on ant colony system,CAACS),利用蚂蚁在行进路径中释放信息素且追求浓信息素的原理来实现蚂蚁的随机搜索,并引入近邻函数值的概念来确定样本数据之间的相似性,通过蚂蚁在行走过程中不断建立样本数据之间的最相似连接来形成各个子连通图,各个子连通图中的样本数据构成一个类。实验采用随机产生的不规则数据集以及一系列合成的数据集将CAACS算法与DBSCAN算法(density-based spatial clustering of application with noise)及面向非规则非致密空间分布数据的蚁群聚类方法进行比较。实验结果表明CAACS算法对复杂密集型数据集能达到较好的聚类结果。

关键词聚类算法;蚁群系统   DBSCAN算法  
The research of a clustering algorithm based on the ant colony system
SHA Lu1,2, BAO Pei-ming1,2*, LI Ni-ge1,2
1. Department of Computer, Nanjing Normal University, Nanjing 210097, China;
2. Research Center of Information Security Technology, Jiangsu Province, Nanjing 210097, China
Abstract:

For solving the problem that traditional clustering algorithms can not get good results on clustering of complex data sets, a clustering algorithm based on the ant colony system is presented. The ant’s random search is realized based on the principle that the ant leaves pheromone on its path and pursuit concentrated pheromone.  The similarity among the data is determined based on the concept of neighboring function values.  Ants establish  connections between the most similar data in the process of walking,  draw the various sub-connected graph,  and the data in the same subconnected graph are given the same cluster number. Some experiments have been made to compare the results of the proposed CAACS algorithm with those  of the DBSCAN algorithm. The experiments are based on randomly generated irregular data sets and a series of synthetic data sets. The experimental results show that the CAACS algorithm can achieve good results on complex data sets.
 

Keywords: clustering algorithm   ant colony system   density-based spatial clustering of application with noise  
收稿日期 2009-12-22 修回日期  网络版发布日期  
DOI:
基金项目:

国家自然科学基金资助项目(40871176)

通讯作者: 鲍培明(1966-),女,江苏南京人,副教授,硕士生导师,主要研究方向为数据挖掘技术及其应用.
作者简介: 沙露(1985-),女,江苏泰州人,硕士研究生,主要研究方向为数据挖掘技术.E-mail: sl-njnu@163.com
作者Email: E-mail: baopeiming@163.com
PDF Preview


参考文献:
本刊中的类似文章

Copyright by 山东大学学报(工学版)