张勇
- 作品数：2 被引量：12H指数：2
- 供职机构：江西理工大学信息工程学院更多>>
- 发文基金：江西省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于混合蛙跳联合聚类的协同过滤算法被引量：6
- 2016年
- 针对传统协同过滤推荐算法稀疏性、冷启动、推荐质量不高等缺陷,提出一种基于混合蛙跳模糊聚类的协同过滤推荐算法.该算法先对原始评分矩阵用户和项目进行联合聚类,利用联合聚类结果对评分矩阵进行填充,再对混合蛙跳算法进行改进,利用改进后的算法快速地全局寻优能力得到项目最近邻居集合,最后通过计算预测评分生成推荐结果.仿真结果表明,该算法有效缓解对评分数据稀疏性的不良影响,同时在推荐精度上有明显改善.
- 喻金平张勇廖列法梅宏标
- 关键词：推荐系统协同过滤联合聚类数据填充混合蛙跳
- 一种改进的混合蛙跳和K均值结合的聚类算法被引量：6
- 2016年
- 传统K均值聚类(KMC)算法过分依赖初始值的设置,容易陷入局部最优;混合蛙跳算法(SFLA)存在收敛速度和搜索速度较慢、局部和全局信息交流不全面等缺点。针对以上缺点,首先提出一种改进的混合蛙跳算法(MSFLA)。该算法根据粒子群优化和差分进化思想,在青蛙个体变异时,引入上一次移动距离的权重惯性系数和缩放因子,从种群中的最优位置和历史最优位置之间的随机点出发,以子群内的青蛙的平均值和最差位置差值为步长进行青蛙个体的更新操作。再将MSFLA与KMC算法结合提出MSFLA-KMC算法,有效地克服了KMC算法过分依赖初始值设置问题,同时降低了KMC算法陷入局部最优的可能性。实验结果表明,MSFLA具有较强的寻优能力,MSFLA-KMC算法则具有更好的聚类性能。
- 喻金平张勇廖列法梅宏标
- 关键词：K均值算法混合蛙跳算法适应度函数聚类
