基于人工鱼群算法的Web用户聚类分析

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (30): 12-14.

基于人工鱼群算法的Web用户聚类分析

臧文科1，刘希玉2

1.山东师范大学数学科学学院，济南 250014
2.山东师范大学管理科学与工程学院，济南 250014

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-10-21 发布日期:2011-10-21

Web users clustering analysis based on AFSA

ZANG Wenke1，LIU Xiyu2

1.School of Mathematical Science，Shandong Normal University，Jinan 250014，China
2.School of Management Science and Engineering，Shandong Normal University，Jinan 250014，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-10-21 Published:2011-10-21

摘要/Abstract

摘要： 传统的可伸缩性聚类算法可扩展性不强、处理孤立点的能力较弱。人工鱼群算法是一种基于动物行为的寻求全局最优算法，将人工鱼群算法应用于Web用户聚类，模仿鱼群的觅食、聚群、追尾和随机行为来构造人工鱼，通过鱼群每个个体的局部最优，来找到全局最优值，从而对Web访问用户进行合理聚类。实际运行结果验证了算法的有效性。

关键词: 人工鱼群, 用户聚类, 日志挖掘

Abstract: The scalability of traditional clustering algorithm is not strong.Its capacity of processing isolated points is also weak.Artificial Fish Swarm Algorithm（AFSA） is an algorithm for global optimization based on animal behavior.It is used in web users clustering;imitating fish feeding，clustering，pileup and random acts to construct artificial fish.Through the local optimization of each individual fish，the global optimal value is found，and thus get reasonable clustering for web access users.The actual results verify that the algorithm is effective.

Key words: Artificial Fish Swarm Algorithm（AFSA）, user clustering, log mining

臧文科1，刘希玉2. 基于人工鱼群算法的Web用户聚类分析[J]. 计算机工程与应用, 2011, 47(30): 12-14.

ZANG Wenke1，LIU Xiyu2. Web users clustering analysis based on AFSA[J]. Computer Engineering and Applications, 2011, 47(30): 12-14.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[3]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[4]	姚凌波，戴月明，王艳. 反向自适应高斯变异的人工鱼群算法[J]. 计算机工程与应用, 2018, 54(1): 179-185.
[5]	王家海，陈煜. 数据驱动的Job Shop生产调度知识挖掘及优化[J]. 计算机工程与应用, 2018, 54(1): 264-270.
[6]	端德坤，傅秀芬. 混合协同过滤算法中用户冷启动问题的研究[J]. 计算机工程与应用, 2017, 53(21): 151-156.
[7]	卢向华，舒云星. 改进AFSA算法优化SVM的变压器故障诊断[J]. 计算机工程与应用, 2017, 53(17): 173-179.
[8]	黄务兰1，2，张涛1，3. 基于改进全局人工鱼群算法的VRPSPDTW研究[J]. 计算机工程与应用, 2016, 52(21): 21-29.
[9]	李迎1，张璟1，2，虎群1，李军怀1，2. 人工鱼群算法在虚拟机分配中的应用[J]. 计算机工程与应用, 2015, 51(4): 22-28.
[10]	王冲，雷秀娟. 一种融合免疫接种机制的改进鱼群聚类算法[J]. 计算机工程与应用, 2015, 51(3): 138-142.
[11]	费腾，张立毅，陈雷. 配送中心选址问题的BFO-AFSA算法研究[J]. 计算机工程与应用, 2015, 51(23): 1-5.
[12]	刘波1，2，3，何希平1，2，3. 基于聚类数的评分矩阵恢复算法[J]. 计算机工程与应用, 2015, 51(21): 6-11.
[13]	洪兴福1，胡祥涛2. 一种求解复杂优化问题的新型人工鱼群算法[J]. 计算机工程与应用, 2015, 51(14): 40-45.
[14]	龚波，曾飞艳. 基于自适应动态邻域结构的人工鱼群算法[J]. 计算机工程与应用, 2015, 51(13): 52-55.
[15]	孙莉1，2，徐琪1. 混合和声搜索算法优化SVM的订单优先权评价[J]. 计算机工程与应用, 2015, 51(12): 241-245.