基于量子粒子群的带障碍约束的空间聚类  

QPSO Spatial Clustering with Obstacles Constraints

作　　者：马程[1] 杨诗琴[2] 

机构地区：[1]蚌埠学院计算机科学与技术系,安徽蚌埠233000 [2]上海电机学院信息中心,上海200240

出　　处：《安庆师范学院学报（自然科学版）》2010年第3期38-41,共4页Journal of Anqing Teachers College(Natural Science Edition)

基　　金：国家高技术研究发展计划863项目(2007AA01Z404)资助

摘　　要：空间聚类是空间数据挖掘研究领域中一个重要的研究课题,而传统的空间聚类方法往往忽略障碍对聚类结果的影响。本文在量子粒子群算法的基础上,研究了障碍约束的处理方法,并提出一种基于量子粒子群的带障碍约束的空间聚类算法,实验结果表明,该算法不仅有效地克服了聚类算法极易陷入局部极小值和对初始值敏感的问题,而且聚类结果比忽略障碍的量子粒子群算法更符合实际情况。Spatial clustering is one of the important areas of research projects in spatial data mining.Classic clustering algorithms are performed without the presence of obstacles.However,their presence may affect the result of clustering.This paper investigates the method of handling obstacle constraints based on QPSO algorithm,and proposes a novel spatial clustering algorithm based on Quantum-behaved Particle Swarm Optimization algorithm with obstacles constraints.The analysis of the experimental results shows that this algorithm effectively overcome the problems of easily falling into local extremum and sensitive to the initial parameters,and also it is better than QPSO algorithm without obstacles constraints.

关 键 词：量子粒子群算法 障碍约束 空间聚类算法 空间数据挖掘 空间聚类方法 实验结果 研究领域 研究课题 处理方法 极小值 初始值 问题 敏感 局部 基础 

分 类 号：N55[自然科学总论] G658.3[文化科学—教育学]