湖南省科技计划项目(2011FJ3051)
- 作品数：3 被引量：30H指数：2
- 相关作者：孟颖罗可姚丽娟刘建华更多>>
- 相关机构：长沙理工大学更多>>
- 发文基金：湖南省自然科学基金国家自然科学基金湖南省教育厅重点项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于云计算的ACO-K中心点资源优化算法被引量：2
- 2013年
- 云计算是计算网络模型研究的热点领域,能实现几种资源共享和资源动态配置。然而,云计算中存储资源如何快速路由,减少动态负荷,兼顾全局负载平衡是有待解决的问题。ACO是一种仿生优化算法,具有健壮性强、智能搜索、全局优化、易与其他算法结合等优点。K中心点算法是K均值的改进算法,鲁棒性强,不易受极端数据的影响。结合这两种算法的优点,提出一种基于云计算环境下的ACO-K中心点资源分配优化算法,得到最优的计算资源,提高云计算的效率。通过仿真验证了该算法的有效性。
- 孟颖罗可刘建华姚丽娟
- 关键词：云计算资源分配
- 一种基于差分演化的K-medoids聚类算法被引量：11
- 2012年
- 针对传统的K-medoids聚类算法具有对初始聚类中心敏感、全局搜索能力差、易陷入局部最优、收敛速度缓慢等缺点,提出一种基于差分演化的K-medoids聚类算法。差分演化是一类基于种群的启发式全局搜索技术,有很强的鲁棒性。将差分演化的全局优化能力用于K-medoids聚类算法,有效地克服了K-medoids聚类算法的缺点,缩短了收敛时间,改善了聚类质量。通过仿真验证了此算法的稳定性和鲁棒性。
- 孟颖罗可刘建华石爽
- 关键词：差分演化聚类质量全局优化
- 一种新的k-medoids聚类算法被引量：18
- 2013年
- 针对k-medoids算法对初始聚类中心敏感,聚类精度较低及收敛速度缓慢的缺点,提出一种基于密度初始化、密度迭代的搜索策略和准则函数优化的方法。该算法初始化是在高密度区域内选择k个相对距离较远的样本作为聚类初始中心,有效定位聚类的最终中心点;在k个与初始中心点密度相近的区域内进行中心点替换,以减少候选点的搜索范围;采用类间距和类内距加权的均衡化准则函数,提高聚类精度。实验结果表明,相对于传统的k-mediods算法及某些改进算法,该算法可以提高聚类质量,有效缩短聚类时间。
- 姚丽娟罗可孟颖
- 关键词：聚类目标函数
