基于差分改进的仿射传播聚类算法

赵小强^1,2，谢亚萍^1,2

1. 兰州理工大学电气工程与信息工程学院2. 兰州理工大学甘肃省工业过程先进控制重点实验室

摘 要：由于仿射传播（AP）聚类算法中偏向参数对聚类精度有着直接的影响,但其偏向参数都是经验取值导致不能得到最优的聚类结果,针对这一问题提出了基于差分改进的仿射传播聚类算法（DE-AP）,该算法首先进行AP聚类分析,其偏向参数取经验值;然后根据得到的聚类结果判断偏向参数是否最优,如果不是则把偏向参数作为差分改进算法的输入群体;最后使用差分算法的变异、杂交和选择操作对参数进行智能调整,选择适应值最高的个体作为偏向参数,返回再次聚类。采用经典数据集验证,实验结果从类数、正确率和FMI三方面表明DE-AP算法能够有效地解决偏向参数对聚类结果的影响,从而提高聚类精度。

关键词：聚类算法;仿射传播算法;差分进化算法;UCI数据集;偏向参数;