Yannis Marinakis;玛格达莱娜·马里纳基;迈克尔·杜姆波斯;尼古拉斯·马特萨西尼斯;君士坦丁·佐普尼迪斯 一种用于聚类分析的混合ACO-GRASP算法。 （英语） Zbl 1228.90159号 安·Oper。物件。 188, 343-358 (2011). 摘要：聚类分析是一种重要的数据探索工具，它已被广泛应用于工程、经济、计算机科学、生命医学、地球科学和社会科学等领域。典型的聚类分析包括四个步骤（即特征选择或提取、聚类算法设计或选择、聚类验证和结果解释）和反馈路径。这些步骤彼此密切相关，并影响衍生簇。本文提出了一种新的用于聚类分析的元启发式算法。该算法使用蚁群优化算法进行特征选择，使用贪婪随机自适应搜索程序进行聚类算法设计。该算法已应用于许多数据集，取得了很好的效果。 引用于2文件 理学硕士： 90 C59 数学规划中的近似方法和启发式 90立方厘米15 随机规划 关键词：聚类分析;特征选择问题;蚁群优化;抓握;随机优化 PDF格式BibTeX公司 XML格式引用 \文本{Y.Marinakis}等人，Ann.Oper。第188、343--358号决议（2011年；Zbl 1228.90159） 全文： 内政部 参考文献： [1] 阿哈·D·W·；Bankert，R.L.（1996）。序列特征选择算法的比较评估。在D.Fisher&；J.-H.Lenx（编辑），《人工智能与统计》。纽约：斯普林格。 [2] Al-Ani，A.（2005a）。基于蚁群优化的特征子集选择。国际计算智能杂志，2（1），53-58。 [3] Al Ani，A.（2005年b）。蚁群算法在特征子集选择中的应用。工程、计算和技术汇刊，4，35–38。 [4] Al-Sultan，K.（1995年）。解决聚类问题的禁忌搜索方法。模式识别，28（9），1443-1451·doi:10.1016/0031-3203（95）00022-R [5] Azzag，H.、Guinot，C.、Venturini，G.（2006）。使用层次聚类蚂蚁进行数据和文本挖掘。A.Abraham、C.Grosan和；V.Ramos（编辑），数据挖掘中的群体智能（第153-190页）。 [6] Azzag，H.、Venturini，G.、Oliver，A.和；Gu，C.（2007）。基于层次蚂蚁的聚类算法及其在三个实际应用中的使用。《欧洲运筹学杂志》，179，906–922·Zbl 1163.90807号 ·doi:10.1016/j.ejor.2005.03.062 [7] Babu，G.和；Murty，M.（1993）。使用遗传算法的k-means算法中的近最优初始种子值选择。模式识别字母，14（10），763–769·Zbl 0802.68116号 ·doi:10.1016/0167-8655（93）90058-L [8] Brown，D.和；Huntley，C.（1992年）。模拟退火在聚类中的实际应用。模式识别，25（4），401-412·doi:10.1016/0031-3203（92）90088-Z [9] Cano，J.R.、Cordón，O.、Herrera，F.和；Sánchez，L.（2002）。用于聚类的GRASP算法；M.Toro（编辑），LNAI:第2527卷。IBERAMIA 2002（第214-223页）。柏林：斯普林格·Zbl 1036.68562号 [10] 坎图·帕斯，E.，纽瑟姆，S.，&；Kamath，C.（2004）。科学应用中的特征选择。2004年ACM SIGKDD知识发现和数据挖掘国际会议论文集（第788–793页）。 [11] Celeux，G.和；Govaert，G.（1992年）。一种用于聚类的分类EM算法和两种随机版本。计算统计与数据分析，14，315–332·Zbl 0937.62605号 ·doi:10.1016/0167-9473（92）90042-E [12] Chen，L.，Tu，L.和；Chen，H.（2005）。一种新的带有向图的蚂蚁聚类算法。在L.Wang、K.Chen和；Y.S.Ong（编辑），LNCS：第3611卷。ICNC 2005（第1218-1228页）。柏林：斯普林格。 [13] Chu，S.和；Roddick，J.（2000）。在N.Ebecken&；C.Brebbia（编辑），《数据挖掘II——第二届数据挖掘方法和数据库国际会议的成果》（第515–523页），英国剑桥。 [14] Cowgill，M.、Harvey，R.和；Watson，L.（1999）。聚类分析的遗传算法方法。计算机与数学应用，37，99–108·Zbl 1043.62516号 ·doi:10.1016/S0898-1221（99）00090-5 [15] M.Dorigo和；Stutzle，T.（2004）。蚁群优化。剑桥：布拉德福德图书·邮编1092.90066 [16] Dorigo，M.、Maniezzo，V.和；Colorni，A.（1996）。蚂蚁系统：由一群合作代理进行优化。IEEE系统、人与控制论汇刊-B部分，26（1），29-41·数字标识代码：10.1109/3477.484436 [17] Feo，T.A.和；Resende，M.G.C.（1995）。贪婪的随机自适应搜索过程。全球优化杂志，6，109–133·Zbl 0822.90110号 ·doi:10.1007/BF01096673 [18] Glover，F.（1989）。禁忌搜索I.ORSA计算机杂志，1（3），190-206·Zbl 0753.90054号 ·doi:10.1287/ijoc.1.3.190 [19] Glover，F.（1990年）。禁忌搜索2。ORSA计算机杂志，2（1），4–32·兹比尔0771.90084 ·doi:10.1287/ijoc.2.1.4 [20] Goldberg，D.E.（1989）。搜索、优化和机器学习中的遗传算法。马萨诸塞州：Addison-Wesley·Zbl 0721.68056号 [21] 何毅、慧、S.C.和；Sim，Y.（2006）。一种新的基于蚂蚁的文档聚类方法。H.T.Ng（Eds.），LNCS：第4182卷。AIRS 2006（第537-544页）。柏林：斯普林格。 [22] Holland，J.H.（1975）。适应自然和人工系统。安阿伯：密歇根大学出版社·Zbl 0317.68006号 [23] Jain，A.和；Zongker，D.（1997）。功能选择：评估、应用和小样本性能。IEEE模式分析和机器智能汇刊，19153-158·数字对象标识代码：10.1109/34.574797 [24] Jain，A.K.、Murty，M.N.和；Flynn，P.J.（1999）。数据聚类：综述。ACM计算调查，31（3），264–323·数字对象标识代码：10.1145/331499.331504 [25] Janson，S.和；Merkle，D.（2005）。一种新的基于聚类的多目标粒子群优化算法应用于自动对接。M.J.Blesa（编辑），LNCS：第3636卷。HM 2005（第128–141页）。柏林：斯普林格。 [26] Jouve，体育与教育；Nicoloyannis，N.（2005年）。用于聚类的过滤器特征选择方法。M.-S.Hacid（编辑），LNAI:Vol.3488。ISMIS 2005（第583-593页）。柏林：斯普林格。 [27] Kao，Y.和；Cheng，K.（2006）。一种基于ACO的聚类算法。在M.Dorigo（编辑）中，LNCS：第4150卷。ANTS 2006（第340–347页）。柏林：斯普林格。 [28] Kao，Y.-T.，Zahara，E.和；Kao，I.-W.（2007年）。数据聚类的混合方法。带应用程序的专家系统。doi:10.1016/j.eswa.2007.01.028。 [29] J.Kennedy和；Eberhart，R.（1995）。粒子群优化。1995年IEEE神经网络国际会议论文集（第4卷，第1942-1948页）。 [30] Kira，K.和；Rendell，L.（1992）。一种实用的特征选择方法。第九届机器学习国际会议论文集，苏格兰阿伯丁（第249-256页）。 [31] 李，Z.，&；Tan，H.-Z.（2006）。一种基于人工免疫系统和支持向量机的组合聚类方法。B.Gabris、R.J.Howlett和；L.C.Jain（编辑），LNAI:第4251卷。KES 2006，第一部分（第153-162页）。柏林：斯普林格。 [32] Liao，S.-H.，&；Wen，C.-H.（2007）。人工神经网络方法和应用的分类和聚类——1995年至2005年的文献分析。应用专家系统，32，1–11·doi:10.1016/j.eswa.2005.11.014 [33] Liu，Y.，Chen，K.，Liao，X.，&；张伟（2004）。一种入侵检测的遗传聚类方法。模式识别，37927–942·doi:10.1016/j.patcog.2003.09.011 [34] Liu，Y.，Liu，Y.，Wang，L.，&；Chen，K.（2005）。一种基于混合禁忌搜索的聚类算法。R.Khosla（编辑），LNAI:第3682卷。KES 2005（第186-192页）。柏林：斯普林格。 [35] Marinakis，Y.、Migdalas，A.和；Pardalos，P.M.（2005年a）。针对旅行推销员问题扩展邻域GRASP。计算优化与应用，32231-257·Zbl 1125.90042号 ·doi:10.1007/s10589-005-4798-5 [36] Marinakis，Y.、Migdalas，A.和；Pardalos，P.M.（2005年b）。旅行商问题的一种混合遗传GRASP算法，使用Langrangean松弛。组合优化杂志，10，311-326·Zbl 1093.90047号 ·doi:10.1007/s10878-005-4921-7 [37] Marinakis，Y.、Marinaki，M.、Doumpos，M.和Matsatsinis，N；Zopounidis，C.（2008）。通过元启发式算法优化最近邻分类器进行信用风险评估。《全球优化杂志》，42，279–293·Zbl 1279.90202号 ·doi:10.1007/s10898-007-9242-1 [38] Maulik，U.和；Bandyopadhyay，S.（2000年）。基于遗传算法的聚类技术。模式识别，331455-1465·doi:10.1016/S0031-3203（99）00137-5 [39] Meng，L.，Wu，Q.H.和；Yong，Z.Z.（2000）。一种更快的遗传聚类算法。在S.Cagnoni（编辑）中，LNCS：第1803卷。EvoWorkshops 2000（第22–33页）。柏林：斯普林格。 [40] Mirkin，B.（1996年）。数学分类和聚类。多德雷赫特：克鲁沃·Zbl 0874.90198号 [41] Nasraoui，O.、Gonzalez，F.、Cardona，C.、Rojas，C.和；Dasgupta，D.（2003）。一种用于动态无监督学习的可扩展人工免疫系统模型。在E.Cantú-Paz（编辑），LNCS：第2723卷。GECCO 2003（第219-230页）。柏林：斯普林格·Zbl 1028.68853号 [42] Ng，M.K.（2000）。关于约束k-means算法的注释。模式识别，33，515–519·doi:10.1016/S0031-3203（99）00057-6 [43] Paterlini，S.和；Krink，T.（2006）。分区聚类中的差异进化和粒子群优化。计算统计与数据分析，501220–1247·Zbl 1431.62268号 ·doi:10.1016/j.csda.2004.12.004 [44] Ray，S.和；Turi，R.H.（1999）。K-均值聚类中聚类数的确定及其在彩色图像分割中的应用。第四届模式识别和数字技术进步国际会议论文集（ICAPRDT99），印度加尔各答。 [45] 重发，M.G.C；里贝罗，C.C.（2003）。贪婪的随机自适应搜索程序。In F.Glover&；G.A.Kochenberger（编辑），《元启发式手册》（第219-249页）。波士顿：Kluwer·Zbl 1102.90384号 [46] Rokach，L.和；Maimon，O.（2005年）。聚类方法。在O.Maimon&；L.Rokach（编辑），《数据挖掘和知识发现手册》（第321-352页）。纽约：斯普林格。 [47] 塞利姆·S·；Alsultan，K.（1991）。聚类问题的模拟退火算法。模式识别，24（10），1003–1008·doi:10.1016/0031-3203（91）90097-O [48] Shelokar，P.S.、Jayaraman，V.K.和；Kulkarni，B.D.（2004）。蚁群聚类方法。《分析化学学报》，509187-195·doi:10.1016/j.aca.2003.12.032 [49] 沈宏毅、彭晓庆、王建宁、；胡振康（2005a）。一种基于改进PSO算法的山地聚类算法。在L.Wang、K.Chen和；Y.S.Ong（编辑），LNCS：第3612卷。ICNC 2005（第477-481页）。柏林：斯普林格。 [50] Shen，J.，Chang，S.I.，Lee，E.S.，Deng，Y.，&；Brown，S.J.（2005年b）。聚类微阵列数据中聚类数的确定。《应用数学与计算》，1691172-1185·Zbl 1074.62043号 ·doi:10.1016/j.amc.2004.10.076 [51] Sheng，W.和；Liu，X.（2006）。一种遗传k-类药物聚类算法。启发式杂志，12447–466·doi:10.1007/s10732-006-7284-z [52] Sherafat，V.、Nunes de Castro，L.和；Hruschka，E.R.（2004）。TermitAnt：一种根据白蚁群落的思想改进的蚂蚁聚类算法。N.R.Pal（编辑），LNCS：第3316卷。ICONIP 2004（第1088–1093页）。柏林：斯普林格。 [53] Sun，J.、Xu，W.和；Ye，B.（2006）。量子粒子群优化聚类算法。在X.Li，O.R.Zaiane，&；李振中（编辑），LNAI:Vol.4093。ADMA 2006（第340–347页）。柏林：斯普林格。 [54] Sung，C.和；Jin，H.（2000）。基于禁忌搜索的聚类启发式算法。模式识别，33，849–858·doi:10.1016/S0031-3203（99）00090-4 [55] Tarsitano，A.（2003）。k均值算法的几种重定位方法的计算研究。模式识别，362955–2966·Zbl 1059.68116号 ·doi:10.1016/S0031-3203（03）00190-0 [56] Tsang，C.-H.和；Kwong，S.（2006）。蚁群聚类和特征提取用于异常入侵检测。计算智能研究（SCI），34，101-123。 [57] Tseng，L.和；Yang，S.（2000）。非球形聚类数据的遗传聚类算法。模式识别，331251–1259·doi:10.1016/S0031-3203（99）00105-3 [58] Tseng，L.和；Yang，S.（2001年）。自动聚类问题的遗传方法。模式识别，34415-424·Zbl 0996.68172号 ·doi:10.1016/S0031-3203（00）00005-4 [59] Wu，F.-X.，Zhang，W.J.和；Kusalik，A.J.（2003）。一种应用于基因表达数据的遗传k-均值聚类算法。在Y.Xiang&；B.Chaib-draa（编辑），LNAI:第2671卷。AI 2003（第520-526页）。柏林：斯普林格。 [60] Xu，R.和；Wunsch，D.，II（2005年）。聚类算法综述。IEEE神经网络汇刊，16（3），645-678·doi:10.1109/TNN.2005.845141 [61] Yang，Y.和；Kamel，M.S.（2006年）。使用多蚁群算法的聚合聚类方法。模式识别，391278-1289·Zbl 1095.68106号 ·doi:10.1016/j.patcog.2006.02.012 [62] Yeh，J.-Y.，&；Fu，J.C.（2007）。多光谱人脑MRI分割的分层遗传算法。专家系统及其应用。doi:10.1016/j.eswa.2006.12.012。 [63] Younsi，R.和；王伟（2004）。一种新的用于聚类的人工免疫系统算法。杨振荣（编辑），LNCS：第3177卷。《理想2004》（第58-64页）。柏林：斯普林格。 [64] Zhang，C.和；胡浩（2005）。蚁群优化结合互信息用于支持向量机中的特征选择。在S.Zhang&；R.Jarvis（编辑），LNAI:第3809卷。AI 2005（第918-921页）。柏林：斯普林格。 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。