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。