针对DBSCAN聚类算法对参数敏感,参数选取依靠经验的问题,文章提出了一种基于改进天牛群优化的DBSCAN聚类(IBSO-DBSCAN)算法.该算法首先提出一种自适应惯性权重更新策略,以平衡BSO算法的全局搜索和局部探索,同时引入正态云模型更新群体位置;然后以评价聚类效果的CS指标作为算法的适应度函数;最后利用改进的天牛群优化算法自适应...
基于改进天牛群优化的DBSCAN聚类算法 张文宇 '治瑜、秦乐1 (1.西安邮电大学经济与管理学院,西安710061 ;2.中国航天系统科学与工程研究院,北京100854)摘要:针对DBSCAN聚类算法对参数敏感、参数选取依靠经验的问题,文章提出了一种基于改进天牛群优化的DBSCAN聚类(IBSO-DBSCAN)算法。该算法首先提出一种自适应惯性权重...
高级检索 期刊导航 基于改进天牛群优化的DBSCAN聚类算法被引量:8 DBSCAN Clustering Algorithm Based on Improved Beetle Swarm Optimization 作者:张文宇 治瑜 秦乐 机构地区:[1]西安邮电大学经济与管理学院,西安710061 [2]中国航天系统科学与工程研究院,北京100854 出处:《统计与决策》2022年第10期20-25,共6页 ...
该算法首先提出一种自适应惯性权重更新策略,以平衡BSO算法的全局搜索和局部探索,同时引入正态云模型更新群体位置;然后以评价聚类效果的CS指标作为算法的适应度函数;最后利用改进的天牛群优化算法自适应地选取DBSCAN聚类算法的全局最优参数Eps和MinPts。将算法在3种UCI数据集上进行有效性测试,实验结果表明,所提出的IBSO-...