群体智能在数据聚类机制中的影响
神经与进化计算
2023-05-09 v1 人工智能
摘要
数据挖掘致力于从大规模数据集中发现有趣、非平凡且有意义的信息。数据聚类是一种无监督的描述性数据挖掘任务，其依据相似特征对数据进行分组并物理存储在一起。作为一种划分式聚类方法，K-means因其简单性和易于实现而被广泛使用。但该方法存在局部最优收敛和初始点敏感等局限。由于这些障碍，受自然启发的基于群体的算法如人工蜂群算法、蚁群优化、萤火虫算法、蝙蝠算法等被用于数据聚类，以应对数据缺失与不一致的大规模数据集。在某些情况下，这些算法与传统方法如K-means结合作为混合方法以产生更好的结果。本文综述了这些新方法的性能，并比较了何种方法最适合特定的问题情境。
引用
@article{arxiv.2305.04217,
title = {Influence of Swarm Intelligence in Data Clustering Mechanisms},
author = {Pitawelayalage Dasun Dileepa Pitawela and Gamage Upeksha Ganegoda},
journal= {arXiv preprint arXiv:2305.04217},
year = {2023}
}