关于DBSCAN聚类算法的自适应蜂群优化研究论文.pdf

简介：
本论文探讨了基于密度的DBSCAN聚类算法，并提出了一种利用自适应蜂群优化技术改进其参数选择的方法，以提高数据聚类效果。 针对传统DBSCAN聚类算法中存在的全局参数设置不合理、参数选取困难及无法识别重叠模块等问题，以及人工蜂群优化算法（ABC）后期收敛速度慢且易陷入局部最优的缺陷，本段落提出了一种基于自适应人工蜂群优化DBSCAN的聚类算法IABC-DBSCAN。该方法结合了截断选择机制与锦标赛选择机制，提出了截断-锦标赛选择机制（TCSM），以增强种群多样性并避免跟随蜂在搜索蜜源时陷入局部最优的问题；同时提出了一种自适应步长策略（ASS）来动态调整跟随蜂的搜索方式，从而提高算法的局部搜索能力和聚类速度。改进后的IABC算法能够根据具体情况调节DBSCAN中的参数设置，并将蜜源位置与[ε]邻域对应起来，而蜜源的适应度大小则反映了DBSCAN的聚类效果。通过在多种测试函数和数据集上的验证实验表明，该算法不仅有效克服了ABC和DBSCAN算法存在的缺陷，而且显著提高了准确率和召回率。