本文已被：浏览 1677次 下载 3841次
Received:September 11, 2008
Received:September 11, 2008
中文摘要: 近年来数据挖掘领域中的聚类和人工智能领域的计算智能都有长足的进步和发展。计算智能自组织、自学习的特性为聚类问题的解决提供了一个有效的途径。当前基于计算智能的聚类算法主要包括：基于神经网络的聚类算法、基于遗传算法的聚类算法和基于蚁群算法的聚类算法。本文针对以上算法进行了阐述，详细说明了算法思想、关键技术和优缺点，并提出了有待进一步研究的问题。
中文关键词: 聚类 自组织特征映射 遗传算法 蚁群算法
Abstract:
keywords:
文章编号： 中图分类号： 文献标志码：
基金项目:湖南省自然科学基金项目(07JJ6126)
| Author Name | Affiliation |
| 马金亮 | 中南大学 信息科学与工程学院 湖南 长沙 410083 |
| 成新明 | 中南大学 信息科学与工程学院 湖南 长沙 410083 |
| Author Name | Affiliation |
| 马金亮 | 中南大学 信息科学与工程学院 湖南 长沙 410083 |
| 成新明 | 中南大学 信息科学与工程学院 湖南 长沙 410083 |
引用文本：
马金亮,成新明.基于计算智能的聚类算法.计算机系统应用,2009,18(4):32-35
.Clustering Algorithm Based on Computational Intelligence.COMPUTER SYSTEMS APPLICATIONS,2009,18(4):32-35
马金亮,成新明.基于计算智能的聚类算法.计算机系统应用,2009,18(4):32-35
.Clustering Algorithm Based on Computational Intelligence.COMPUTER SYSTEMS APPLICATIONS,2009,18(4):32-35
