• 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 >Discovering optimal clusters using firefly algorithm
【24h】

Discovering optimal clusters using firefly algorithm

机译：使用萤火虫算法发现最佳集群

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

Existing conventional clustering techniques require a pre-determined number of clusters, unluckily; missing information about real world problem makes it a hard challenge. A new orientation in data clustering is to automatically cluster a given set of items by identifying the appropriate number of clusters and the optimal centre for each cluster. In this paper, we present the WFA selection algorithm that originates from weight-based firefly algorithm. The newly proposed WFA selection merges selected clusters in order to produce a better quality of clusters. Experiments utilising the WFA and WFA selection algorithms were conducted on the 20Newsgroups and Reuters-21578 benchmark dataset and the output were compared against bisect K-means and general stochastic clustering method (GSCM). Results demonstrate that the WFA selection generates a more robust and compact clusters as compared to the WFA, bisect K-means and GSCM.
机译：不幸的是，现有的常规聚类技术需要预定数量的聚类。缺少有关现实世界问题的信息，这是一个艰巨的挑战。数据聚类的新方向是通过标识适当数量的聚类和每个聚类的最佳中心，自动聚类给定的一组项目。在本文中，我们提出了WFA选择算法，该算法源自基于权重的萤火虫算法。新提出的WFA选择合并了选定的群集，以产生更好的群集质量。在20Newsgroups和Reuters-21578基准数据集上进行了使用WFA和WFA选择算法的实验，并将输出与bisect K均值和通用随机聚类方法（GSCM）进行了比较。结果表明，与WFA，二等分K均值和GSCM相比，WFA选择产生了更强大且更紧凑的聚类。

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