典型文献
基于改进天牛群优化的DBSCAN聚类算法
文献摘要：
针对DBSCAN聚类算法对参数敏感、参数选取依靠经验的问题,文章提出了 一种基于改进天牛群优化的DBSCAN聚类(IBSO-DBSCAN)算法.该算法首先提出一种自适应惯性权重更新策略,以平衡BSO算法的全局搜索和局部探索,同时引入正态云模型更新群体位置;然后以评价聚类效果的CS指标作为算法的适应度函数;最后利用改进的天牛群优化算法自适应地选取DBSCAN聚类算法的全局最优参数Eps和MinPts.将算法在3种UCI数据集上进行有效性测试,实验结果表明,所提出的IBSO-DBSCAN算法在聚类效果方面优于对比算法,且具有更强的全局搜索能力.
文献关键词：
DBSCAN聚类算法;天牛群优化算法;正态云模型;聚类
中图分类号：
作者姓名：
张文宇;治瑜;秦乐
作者机构：
西安邮电大学经济与管理学院,西安710061;中国航天系统科学与工程研究院,北京100854
文献出处：
引用格式：
[1]张文宇;治瑜;秦乐-.基于改进天牛群优化的DBSCAN聚类算法)[J].统计与决策,2022(10):20-25
A类：
IBSO
B类：
DBSCAN,聚类算法,参数选取,自适应惯性权重,权重更新,更新策略,全局搜索,正态云模型,模型更新,新群体,CS,适应度函数,天牛群优化算法,全局最优,最优参数,Eps,MinPts,UCI,对比算法,搜索能力
AB值：
0.325383
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
