曹安得
- 作品数：4 被引量：7H指数：2
- 供职机构：沈阳大学更多>>
- 发文基金：国家自然科学基金辽宁省自然科学基金更多>>
- 相关领域：自动化与计算机技术环境科学与工程更多>>
- 蚁群聚类组合的改进算法被引量：5
- 2011年
- 目的研究一种基于信息熵蚁群聚类的模糊C-均值算法(即EACFCM算法),解决原标准蚁群聚类算法聚类速度慢,系统停滞,函数值收敛于某局部点等问题.方法通过理论改进、算法移植和实验证明相结合的办法,采用基于信息熵的蚁群聚类算法对数据样本进行聚类(一次聚类)以获得新的聚类中心,然后从聚类拆分、合并、孤立点处理等几个方面对基于信息熵的蚁群聚类算法进行改进,以提高前期所获得的新聚类中心的准确性,最后再利用模糊C-均值聚类算法(FCM算法)对聚类结果进行优化处理(二次聚类).结果 EACFCM算法在迭代180次后,得到的目标函数值60.245是FCM算法函数值660.135的十分之一;划分熵的函数值0.440明显小于FCM算法函数值0.491;分离度的函数值0.102明显大于FCM算法函数值0.091.结论笔者改进的EACFCM算法得到的聚类比传统的FCM算法效果好;仿真结果表明了其有效性.
- 马春英曹安得周允征
- 关键词：信息熵聚类分析蚁群聚类FCM聚类算法
- 基于兴趣相似性的Web用户聚类方法
- 2010年
- 基于传统的Web用户聚类方法没有充分考虑到用户兴趣,本文引入一种新的用户兴趣表示方法构造用户访问特征对象,提出了一种新的用户访问模式K-mean算法,引入用户兴趣相似度到聚类中确定初始聚类中心,减少了算法随机性,使得聚类更准确。
- 田力威曹安得
- 关键词：兴趣度K-MEANS聚类中心
- 基于Web用户兴趣度的网页重构方法研究
- 随着Internet技术在电子商务、信息共享以及提供在线服务等方面的广泛应用,网络成为人与人之间进行信息处理与信息交流的平台。面对网络日益增长的信息量,如何理解用户与网络系统交互的行为,获取有效的个性化信息,成为困扰网站...
- 曹安得
- 关键词：WEB日志挖掘数据预处理兴趣度蚁群聚类
- 文献传递
- 基于信息熵的蚁群聚类组合算法的研究被引量：3
- 2011年
- 提出一种基于信息熵的蚁群聚类算法,将信息熵引入到LF算法中,数据对象的归属由信息熵来决定,减少了参数,测试并验证了算法的有效性;同时,针对信息熵的蚁群算法早期数据分散、收敛过慢、容易陷入局部最优等缺点,提出了一种蚁群聚类组合方法。改进思路是引入K-means作为熵蚁群算法的预处理过程,通过K-means快速、粗略地确定聚类中心,利用K-means方法的结果作为初值,再进行改进的熵蚁群算法聚类,有效地解决了蚁群算法早期收敛过慢等问题。
- 田力威曹安得
- 关键词：聚类蚁群聚类信息熵K-均值
