主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2020年专刊出版计划 微信服务介绍 最新一期:2019年第12期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
潘晓英,刘芳,焦李成.密度敏感的多智能体进化聚类算法.软件学报,2010,21(10):2420-2431
密度敏感的多智能体进化聚类算法
Density Sensitive Based Multi-Agent Evolutionary Clustering Algorithm
投稿时间:2008-01-21  修订日期:2009-03-31
DOI:
中文关键词:  密度敏感距离  无监督聚类  多智能体进化  k近邻变异
英文关键词:density sensitive distance  unsupervised clustering  multi-agent evolution  k-nearest eighbor mutation
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60703107, 60703108 (国家自然科学基金); the National High-Tech Research and Development Plan of China under Grant No.2006AA01Z107 (国家高技术研究发展计划(863))
作者单位
潘晓英 西安邮电学院 计算机科学与技术系,陕西 西安 710061 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
刘芳 西安电子科技大学 计算机学院,陕西 西安 710071 
焦李成 西安电子科技大学 智能信息处理研究所,陕西 西安 710071 智能感知与图像理解教育部重点实验室,陕西 西安 710071 
摘要点击次数: 3638
全文下载次数: 3683
中文摘要:
      采用密度敏感距离作为数据相似性度量,并基于多智能体进化的思想提出了一种密度敏感的多智能体进化聚类(density sensitive based multi-agent evolutionary clustering,简称DSMAEC)算法.算法设计了一种基于连接的编码方式,通过解码过程可直接得到最终的聚类结果,无需事先确定聚类类别数,有效地克服了对领域知识的依赖.针对聚类问题,设计了3个有效的进化算子来模拟智能体间的竞争、合作和自学习行为,共同完成智能体的进化,最终达到对数据聚类的目的.分别对人工数据集、UCI数据集以及合成纹理图像进行仿真,实验结果表明,该算法不但可以自动确定聚类类别数,而且能够应付不同结构的数据,适应不同的聚类要求,具有较强的实用价值.
英文摘要:
      By using the density sensitive distance as the similarity measurement, an algorithm of Density Sensitive based Multi-Agent Evolutionary Clustering (DSMAEC), based on multi-agent evolution, is proposed in this paper. DSMAEC designs a new connection based encoding, and the clustering results can be obtained by the process of decoding directly. It does not require the number of clusters to be known beforehand and overcomes the dependence of the domain knowledge. Aim at solving the clustering problem, three effective evolutionary operators are designed for competition, cooperation, and self-learning of an agent. Some experiments about artificial data, UCI data, and synthetic texture images are tested. These results show that DSMAEC can confirm the number of clusters automatically, tackle the data with different structures, and satisfy the diverse clustering request.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利