10.3969/j.issn.1001-4616.2021.01.017
基于神经网络树和人工蜂群优化的数据聚类
针对高维数据引起的"维数灾难"问题,设计了一种基于神经网络树和人工蜂群优化的高维数据聚类算法.首先,设计了改进的二元人工蜂群优化算法,以封装式方法最大化径向基函数网络的准确率,以过滤式方法最小化特征的冗余度;然后,基于每个特征子集的样本集训练径向基函数网络,构建以径向基函数网络为节点的神经树;最终,采用门网络将连接的类簇分离,获得最终的聚类结果.基于高维数据集和低维数据集均完成了仿真实验,结果表明本算法对于高维数据集实现了较高的聚类准确率.
高维数据、神经网络树、人工蜂群优化、聚类算法、特征选择
44
TP391(计算技术、计算机技术)
东莞市科技局项目;东莞职业技术学院横向课题
2021-04-12（万方平台首次上网日期，不代表论文的发表时间）
共9页
119-127
