基于遗传算法和k-medoids算法的聚类新算法*

doi:10.11925/infotech.1003-3513.2006.05.11

现代图书情报技术

2006, Vol. 1

Issue (5): 44-46 https://doi.org/10.11925/infotech.1003-3513.2006.05.11

信息检索技术

本期目录 | 过刊浏览 | 高级检索

基于遗传算法和k-medoids算法的聚类新算法*

郝占刚王正欧

（天津大学系统工程研究所天津 300072）

A New Clustering Algorithm Based on GA and K-medoids Algorithm

Hao Zhangang Wang Zhengou

（Institute of Systems Engineering, Tianjin University, Tianjin 300072,China）

摘要
参考文献
相关文章
Metrics

全文:
输出: BibTeX | EndNote (RIS)

摘要

提出一种基于遗传算法和k-medoids算法的新的聚类算法。指出该算法除能提高聚类的精度和识别孤立点外，还能加速遗传算法的收敛速度，节约时间成本。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	王正欧
	郝占刚

关键词 ：聚类, 遗传算法, k-medoids算法

Abstract：

This paper presents a new clustering algorithm based on GA(Genetic Algorithm) and k-medoids algorithm. The new algorithm can not only improve the precision of clustering but also recognize isolated points. At the same time,the new algorithm may expedite the convergence of GA and save the time cost for integration with the kmedoids algorithm in GA.

Key words： Clustering Genetic Algorithm K-medoids Algorithm

收稿日期: 2006-01-24 出版日期: 2006-05-25

TP301.6

基金资助:

* 本文系国家自然科学基金资助项目“用于数据控掘的神经网络模型及融合技术研究”（项目编号：60275020）的研究成果之一。

通讯作者: 郝占刚 E-mail: zghao2000@sina.com

作者简介: 郝占刚,王正欧

引用本文:

郝占刚,王正欧 . 基于遗传算法和k-medoids算法的聚类新算法*[J]. 现代图书情报技术, 2006, 1(5): 44-46.
Hao Zhangang,Wang Zhengou . A New Clustering Algorithm Based on GA and K-medoids Algorithm. New Technology of Library and Information Service, 2006, 1(5): 44-46.

链接本文:

https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/10.11925/infotech.1003-3513.2006.05.11 或 https://manu44.magtech.com.cn/Jwk_infotech_wk3/CN/Y2006/V1/I5/44

1朱明. 数据挖掘合肥：中国科技技术大学出版社，2002129-157
2D.B.Fogel. An introduction to simulated evolutionary optimization. IEEE Trans.(Neural Network). 1994,5(1):3-14
3J.N.Bhuyan, V.V.Raghavan, V.K.Elayavalli. Genetic algorithm for clustering with an ordered representation,in Proc. 4th Int. Conf. Genetic Algorithms. San Mateo: Morgan Kaufman, 1991.408-420
4D.R.Jones, M. A. Beltramo.Solving partitioning problems with genetic algorithms, in Proc. 4th Int. Conf. Genetic Algorithms. San Mateo: Morgan Kaufman, 1991.442-457
(下转第57页）5许勇，刘奕文，陈贺新，戴逸松.一种基于自适应遗传算法的聚类分析方法系统工程与电子技术,1997,19（9）:39-43
6K.Krishna, M.Narasimha Murty. Genetic K-Means Algorithm.IEEE Transactions on systems, man, and cybernetics-partB:Cybernetics,1999，29(3):433-439
7王敞，陈增强，袁著祉.基于遗传算法的K均值聚类分析计算机科学，2003，30（2）：163-164
8王小平，曹立明.遗传算法：理论、应用及软件实现西安：西安交通大学出版社，200282-131

[1]	王若琳, 牛振东, 蔺奇卡, 朱一凡, 邱萍, 陆浩, 刘东磊. 基于异质信息嵌入与RNN聚类参数预测的作者姓名消歧方法^*[J]. 数据分析与知识发现, 2021, 5(8): 13-24.
[2]	王晰巍,贾若男,韦雅楠,张柳. 多维度社交网络舆情用户群体聚类分析方法研究^*[J]. 数据分析与知识发现, 2021, 5(6): 25-35.
[3]	卢利农,祝忠明,张旺强,王小春. 基于Lingo3G聚类算法的机构知识库跨库知识整合与知识指纹服务实现[J]. 数据分析与知识发现, 2021, 5(5): 127-132.
[4]	张梦瑶, 朱广丽, 张顺香, 张标. 基于情感分析的微博热点话题用户群体划分模型 ^*[J]. 数据分析与知识发现, 2021, 5(2): 43-49.
[5]	丁浩, 艾文华, 胡广伟, 李树青, 索炜. 融合用户兴趣波动时序的个性化推荐模型^*[J]. 数据分析与知识发现, 2021, 5(11): 45-58.
[6]	杨辰, 陈晓虹, 王楚涵, 刘婷婷. 基于用户细粒度属性偏好聚类的推荐策略^*[J]. 数据分析与知识发现, 2021, 5(10): 94-102.
[7]	于丰畅,程齐凯,陆伟. 基于几何对象聚类的学术文献图表定位研究[J]. 数据分析与知识发现, 2021, 5(1): 140-149.
[8]	温萍梅,叶志炜,丁文健,刘颖,徐健. 命名实体消歧研究进展综述^*[J]. 数据分析与知识发现, 2020, 4(9): 15-25.
[9]	邬金鸣,侯跃芳,崔雷. 基于医学主题词标引规则的词共现聚类分析结果自动判读和表达的研究[J]. 数据分析与知识发现, 2020, 4(9): 133-144.
[10]	席运江, 杜蝶蝶, 廖晓, 仉学红. 基于超网络的企业微博用户聚类研究及特征分析*[J]. 数据分析与知识发现, 2020, 4(8): 107-118.
[11]	杨旭,钱晓东. 基于改进的Vicsek模型的社会网络同步聚类算法*[J]. 数据分析与知识发现, 2020, 4(4): 119-128.
[12]	熊回香,李晓敏,李跃艳. 基于图书评论属性挖掘的群组推荐研究*[J]. 数据分析与知识发现, 2020, 4(2/3): 214-222.
[13]	魏家泽,董诚,何彦青,刘志辉,彭柯芸. 基于均衡段落和分话题向量的新闻热点话题检测研究^*[J]. 数据分析与知识发现, 2020, 4(10): 70-79.
[14]	赵华茗,余丽,周强. 基于均值漂移算法的文本聚类数目优化研究 ^*[J]. 数据分析与知识发现, 2019, 3(9): 27-35.
[15]	李珊,姚叶慧,厉浩,刘洁,嘎玛白姆. 基于ISA联合聚类的组推荐算法研究 ^*[J]. 数据分析与知识发现, 2019, 3(8): 77-87.

Viewed

Full text

Abstract

Cited

Shared

Discussed