阿卜杜拉赫曼·阿尔古瓦扎尼;皮埃尔·汉森;姆拉德诺维奇,内纳德;埃里克·恩盖 变邻域搜索调和意味着聚类。 (英语) Zbl 1219.68129号 申请。数学。建模 35,第6期,2688-2694(2011). 摘要:调和均值聚类是最小平方和聚类的一种变体(有时称为K均值聚类),旨在减轻结果对初始解选择的依赖性。在调和均值聚类问题中,从数据点到所有聚类质心的距离的调和平均值之和被最小化。本文提出了一种可变邻域搜索启发式算法来解决这个问题。这种启发式算法已经在文献中的大量数据集上进行了测试。看起来,我们的结果与禁忌搜索和模拟退火启发式的最新结果相比,效果很好。 引用于7文件 MSC公司: 68T05型 人工智能中的学习和自适应系统 62H30型 分类和区分;聚类分析(统计方面) 关键词:群集;无监督学习;最小平方和;K谐波平均值;元启发式;可变邻域搜索 软件:UCI-毫升;J平均值;TSPLIB公司 PDF格式BibTeX公司 XML格式引用 \textit{A.Alguwaizani}等人,应用。数学。35号模型,第6期,2688--2694(2011;Zbl 1219.68129) 全文: 内政部 参考文献: [1] 考夫曼,L。;Rousseeuw,P.,《数据中的发现群体》(2005),《概率与统计中的威利级数:概率与统计威利级数》,纽约 [2] Mirkin,B.,《数据挖掘的聚类:数据恢复方法》(2005),Taylor&Francis小组:Taylor和Francis集团FL·Zbl 1083.68099号 [3] 阿洛伊斯,D。;Hansen,P.,《聚类》(Sheir,D.R.,《离散和组合数学手册》(2009),CRC出版社) [4] 汉森,P。;Jaumard,B.,聚类分析和数学规划,数学规划,79,191-215(1997)·Zbl 0887.90182号 [5] 杜梅尔,O。;汉森,P。;Jaumard,B。;Mladenović,N.,最小平方和聚类的内点算法,SIAM科学计算杂志,211485-1505(1999)·Zbl 1049.90129号 [6] D.Aloise,P.Hansen,L.Liberti,最小平方和聚类的改进列生成算法,数学规划A(待发表)。;D.Aloise,P.Hansen,L.Liberti,最小平方和聚类的改进列生成算法,数学规划A(即将出版)·Zbl 1236.90095号 [7] 阿洛伊斯,D。;Deshpande,A。;汉森,P。;Popat,P.,欧几里德平方和聚类的NP-harrdness,机器学习,75,245-248(2009)·Zbl 1378.68047号 [8] 汉森,P。;Mladenovic,N.,J-means:最小平方和聚类的一种新的局部搜索启发式算法,模式识别,34,405-413(2001)·Zbl 1012.68873号 [9] B.Zhang,M.Hsu,U.Dayal,K-Harmonic Means-A Data Clustering Algorithm,技术报告HPL-1999-124,Hewlett-Packard Laboratories,1999。;B.Zhang,M.Hsu,U.Dayal,K-Harmonic Means-A Data Clustering Algorithm,技术报告HPL-1999-124,Hewlett-Packard Laboratories,1999年·Zbl 0987.68917号 [10] Güngör,Z。;尤恩勒,A.,K-harmonic means data clustering with tabu search method,Applied Mathematical Modelling,32,1115-1125(2008)·Zbl 1145.68395号 [11] Güngör,Z。;尤恩勒,A.,K-harmonic平均数-模拟退火启发式数据聚类,应用数学与计算,184199-209(2007)·Zbl 1114.65009号 [12] Reinelt,G.,TSP-LIB——旅行推销员库,ORSA Journal Computing,3376-384(1991)·Zbl 0775.90293号 [13] Forgy,E.W.,多变量数据的聚类分析:分类的效率与可解释性,生物计量学,21768-769(1965) [14] MacQueen,J.,《多元观测分类和分析的一些方法》,第1卷(1967年),加利福尼亚大学出版社:加利福尼亚大学伯克利分校·Zbl 0214.46201号 [15] B.Zhang,广义K-Harmonic均值-无监督学习中的提升,技术报告HPL-2000-137,Hewlett-Packard实验室,2000年。;B.Zhang,广义K-Harmonic平均数-无监督学习中的提升,技术报告HPL-2000-137,Hewlett-Packard实验室,2000年。 [16] Patané,G。;Russo,M.,增强LBG算法,神经网络,141219-1237(2001) [17] Mladenović,N。;Hansen,P.,可变邻域搜索,计算机与运筹学,241097-1100(1997)·兹伯利0889.90119 [18] 汉森,P。;Mladenovic,N.,《可变邻域搜索:原理和应用》,《欧洲运筹学杂志》,130,449-467(2001)·Zbl 0981.90063号 [19] 汉森,P。;Mladenovic,N。;Moreno Pérez,J.A.,可变邻域搜索:方法和应用,4OR:运筹学季刊,6319-360(2008)·Zbl 1179.90332号 [20] Brimberg,J。;汉森,P。;Mladenovic,N.,可变邻域搜索中的吸引概率4OR,8181-194(2010)·Zbl 1193.90216号 [21] 北卡罗来纳州贝拉塞尔。;汉森,P。;Mladenović,N.,Fuzzy J-means:一种新的模糊聚类启发式算法,模式识别,352193-200(2003)·Zbl 1006.68882号 [22] 布莱克,C.L。;Merz,C.J.,加州大学机器学习数据库UCI知识库(1998)<http://archive.ics.uci.edu/ml/datasets.html> [23] 汉森,P。;Mladenovic,N。;Pérez Brito,D.,可变邻域分解搜索,启发式杂志,7335-350(2001)·Zbl 1041.68623号 [24] Brimberg,J。;Mladenovic,N.,多源Weber问题中的退化,数学规划,85,13-220(1999)·Zbl 0956.90016号 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。