论文部分内容阅读
案例聚类是按照案例库中案例的相似度进行归类，目的是减少案例推理系统搜索相似案例的时间、提高案例推理系统的性能和降低案例库维护的复杂度。该问题的难度在于案例库的案例规模比较大和不同的聚类算法的选择对于聚类结果的影响。文中在粒子群算法与细菌觅食算法基础上，将两者结合起来，综合两个算法的优点，并将其应用在k-pro-totypes方法上对案例库中案例进行聚类。与流行的聚类算法进行比较，实验结果显示文中的算法具有更高的效率并且性能相对而言更加优秀。