首页|期刊导航|吉林大学学报(信息科学版)|融合HHO算法和混合聚类算法的多源异构数据自动分类

融合HHO算法和混合聚类算法的多源异构数据自动分类OA

中文摘要

针对多源异构数据的柔性重构需求需要处理数据细节和异常情况较多,使其在对多源异构数据进行分类时,难以通过捕获其隐藏特征,整合多源异构数据的相似数据,导致分类的准确性较低的问题,提出融合HHO(Harris Hawks Optimization)算法和混合聚类算法的多源异构数据自动分类方法。利用低秩表示策略,捕捉多源异构数据的隐藏特征,获取其全局结构信息,提高数据质量和一致性。组合蚁群聚类算法与K-means算法,设计出混合聚类算法,通过利用K-means算法修正组合蚁群聚类算法中的蚁巢消减误差,实现多源异构数据的相似数据分组。将混合聚类算法与HHO算法结合,通过更新个体适应度值,确定HHO算法的最佳类中心,实现相似分组后多源异构数据的自动分类。实验结果表明,经分类结果的混淆矩阵和内聚度的评估结果共同验证,所提方法不仅能自动分类多源异构数据,且类别边界清晰,数据点分布紧凑,使混淆矩阵对角线上的真实值更高,内聚度均值高达98.86°,具有较高的分类准确性。

宁丽萍

新疆维吾尔自治区人民医院财务部,乌鲁木齐830001

信息技术与安全科学

多源异构数据低秩表示HHO算法混合聚类算法自动分类

《吉林大学学报(信息科学版)》 2026 (4)

P.1008-1014,7

克拉玛依市创新环境建设计划(软科学)基金资助项目(2024hjrkx0028)。

评论