RLDEAO优化的空气质量数据聚类分析

作     者：田闯 黄鹤 杨澜 王会峰 茹锋 TIAN Chuang;HUANG He;YANG Lan;WANG Huifeng;RU Feng

作者机构：长安大学西安市智慧高速公路信息融合与控制重点实验室陕西西安710064 长安大学电子与控制工程学院陕西西安710064 长安大学信息工程学院陕西西安710064 长安大学能源与电气工程学院陕西西安710064 

基　　金：国家自然科学基金面上项目(52172379,52172324) 陕西省重点研发计划项目(2021SF-483) 中央高校基本科研业务费专项资金重点科研平台建设计划水平提升项目(300102324501) 西安市智慧高速公路信息融合与控制重点实验室(长安大学)开放基金项目(300102323502) 

出 版 物：《浙江大学学报（理学版）》 (Journal of Zhejiang University（Science Edition）)

年 卷 期：2024年第51卷第5期

页      码：542-553页

摘      要：对空气质量数据进行聚类,传统聚类方法因受初始点的影响,存在随机性高、聚类精度低以及多个中心点出现在同一簇中的问题,为此提出了一种反向学习差分进化天鹰优化器(RLDEAO)优化的K-means互补迭代空气质量数据聚类方法。天鹰优化器(aquila optimizer,AO)算法具有很强的探索能力,不易受初始点的影响且更易实现,但易陷入局部最优。基于自适应逐维小孔成像反向学习策略、停滞扰动结合莱维飞行策略以及生物进化策略等改进思想,对AO算法进行了改进,有效提高了搜索性能,避免了局部最优;在求取聚类中心点时,设计了一种加权最大最小距离积法(weighted maximum minimum distance product,WMMP),能反映各特征的重要性,对改进聚类结果作用良好;将RLDEAO与WMMP相结合优化K-means互补迭代,提高了搜索速率和搜索精度。通过在多个数据集上的聚类测试,发现RLDEAO-KMC算法的收敛精度和聚类效果较AO-KMC、FCM、KMC、KMC++算法更优。可知,RLDEAO-KMC算法可以更高效地对空气质量数据进行聚类分析,有针对性地做出预测和应对。

主 题 词：K-means聚类算法 天鹰优化器(AO) 加权最大最小距离积法 

学科分类：08[工学] 081202[081202] 0812[工学-测绘类] 

核心收录：

D　O　I：10.3785/j.issn.1008-9497.2024.05.003

馆 藏 号：203141497...