• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of data mining, modelling and management >A cross mutation-based differential evolution for data clustering
【24h】

A cross mutation-based differential evolution for data clustering

机译：基于交叉突变的差异进化数据聚类

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

A cross mutation-based differential evolution (CMDE) approach is proposed here to handle the complexity issue in clustering due to the data uncertainty, overlapping and rapid growth in size of data. In this CMDE, a novel mutation strategy and a centroid rearrangement scheme have been proposed for getting a better and consistent result. CMDE provides optimal cluster centres with minimum intra cluster distance and maximum accuracy percentage. A comparative analysis of the proposed approach with another five population based methods, such as dynamic shuffled differential evolution (DSDE), ant colony optimisation (ACO), artificial bee colony (ABC), particle swarm optimisation (PSO) and particle swarm optimisation with age-group topology (PSOAG) is carried out to justify the better clustering performance of the suggested method. These techniques are applied to seven real datasets and the results reveal the efficacy of the proposed algorithm for clustering in various fields.
机译：本文提出了一种基于交叉突变的差分进化（CMDE）方法，以处理由于数据不确定性，数据大小重叠和快速增长而导致的聚类中的复杂性问题。在此CMDE中，已提出了一种新颖的突变策略和质心重排方案，以获得更好的一致性结果。 CMDE为最佳聚类中心提供了最小的聚类内部距离和最大的准确度百分比。与另外五种基于人口的方法（如动态随机改组的进化算法（DSDE），蚁群优化（ACO），人工蜂群（ABC），粒子群优化（PSO）和随年龄变化的粒子群优化）比较-group拓扑（PSOAG）用于证明所建议方法具有更好的聚类性能。这些技术被应用于七个真实的数据集，结果揭示了该算法在各个领域聚类的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号