Improved multi-objective clustering algorithm using particle swarm optimization.
Improved multi-objective clustering algorithm using particle swarm optimization.
复制标题
使用粒子群优化改进的多目标聚类算法
DOI：
10.1371/journal.pone.0188815
复制
发表时间：
2017
期刊：
影响因子：
3.7
通讯作者：
Zhang Z
中科院分区：
文献类型：
--
作者：
Gong C;Chen H;He W;Zhang Z
多目标聚类近年来受到广泛关注，因为它可以获得更准确、更合理的解。在本文中，提出了一种使用粒子群优化（IMCPSO）的改进的多目标聚类框架。首先，设计了一种新颖的聚类问题粒子表示形式，以帮助 PSO 在连续空间中搜索聚类解。其次，分析了Pareto集的分布。将分析结果应用于领导者选择策略，使算法避免陷入局部最优。此外，还提出了一种聚类解改进方法，可以大大提高搜索聚类解的效率。在实验中，使用了28个数据集，对9种最先进的聚类算法进行了比较，所提出的方法在评估指标ARI上优于其他方法。
Multi-objective clustering has received widespread attention recently, as it can obtain more accurate and reasonable solution. In this paper, an improved multi-objective clustering framework using particle swarm optimization (IMCPSO) is proposed. Firstly, a novel particle representation for clustering problem is designed to help PSO search clustering solutions in continuous space. Secondly, the distribution of Pareto set is analyzed. The analysis results are applied to the leader selection strategy, and make algorithm avoid trapping in local optimum. Moreover, a clustering solution-improved method is proposed, which can increase the efficiency in searching clustering solution greatly. In the experiments, 28 datasets are used and nine state-of-the-art clustering algorithms are compared, the proposed method is superior to other approaches in the evaluation index ARI.
登录
查看更多内容
影响因子：
14.3
作者：
Handl, Julia;Knowles, Joshua
通讯作者：
Knowles, Joshua
影响因子：
3.7
作者：
Abubaker A;Baharum A;Alrefaei M
通讯作者：
Alrefaei M
影响因子：
5.1
作者：
Inkaya, Tulin;Kayaligil, Sinan;Ozdemirel, Nur Evin
通讯作者：
Ozdemirel, Nur Evin
影响因子：
3.9
作者：
Kasprzak, EM;Lewis, KE
通讯作者：
Lewis, KE
影响因子：
8.7
作者：
Cheng, Shixin;Zhan, Hao;Shu, Zhaoxin
通讯作者：
Shu, Zhaoxin