-
公开(公告)号：CN111723842A
公开(公告)日：2020-09-29
申请号：CN202010405166.7
申请日：2020-05-14
Applicant: 广东工业大学
Abstract: 为了解决现有技术中根据内部指标得到的聚类呈现簇内紧密、相挨簇间分离较远的问题，本发明提供一种基于多指标评价机制的粒子群自适应聚类优化的方法，包括以下步骤：S1.初始化各个参数；S2.迭代更新种群；S3.一次更新后，进行寻优投票；S4.更新全局最优gbest与局部最优pbest；S5.重复步骤S2～S4，直到迭代收敛，则算法结束。本发明通过多指标投票聚类综合评价机制，在每一个指标结果的基础上对粒子群聚类进行优化指导，消除单指标的评价倾向性以及扩展内部指标的应用单一性，能够在自适应优化聚类进行后，在种群中找到满足所有指标特点的优等解集。
-
公开(公告)号：CN112308117A
公开(公告)日：2021-02-02
申请号：CN202011075681.X
申请日：2020-10-09
Applicant: 广东工业大学
Abstract: 本发明针对单指标聚类算法对公共卫生服务平台无法进行全面分析的不足，提出了一种基于双指标粒子群算法的同质人群识别方法，包括：采集公共卫生服务平台的使用人群信息，作为用户信息数据集；将所述用户信息数据集通过聚类算法获得两个初始适应值；将两个所述初始适应值作为适应函数进行迭代，得到聚类结果，获取同质人群信息数据。本发明通过双指标适应值评价，在两个指标结果的基础上对粒子群聚类进行优化指导，消除单指标的评价倾向性以及扩展内部指标的应用单一性，能够节省人力与时间，全面分析复杂、多样的人群信息。
-
公开(公告)号：CN110347829A
公开(公告)日：2019-10-18
申请号：CN201910562653.1
申请日：2019-06-26
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于两组聚类中心相似度矩阵的自适应调整聚类中心标号的方法，用于解决群体智能进化算法在采用基于划分的形式进行聚类时，构造的种群中个体间各聚类中心随机排列导致的聚类中心标号不一致，即属于不同簇集的聚类中心却排列在同一维度的问题而导致算法种群个体更新效率低下和搜索盲目性的问题。所提出方法采用一种双向选择的竞争淘汰策略，将个体间相似度最大，距离最接近的聚类中心尽量排列在同一维度，保证聚类中心标号一致性的最大化。
-
-
Search Results
3
records
(took 0.015 seconds)
