K-ハーモニックの新しいソフトコンピューティング方法は、クラスタリングを意味します

K-ハーモニックは、クラスタリングアルゴリズム（KHM）は、各エンティティとすべてのクラスター重心の距離の高調波平均の合計が最小化されるように、データをグループ化するために使用される新しいクラスタリング方法です。K-means（km）よりも初期化に敏感ではないため、多くの研究者は最近KHMの研究に惹かれています。この研究では、提案されているISSO-KHMは、単純化された群れ最適化の改善（ISSO）に基づいており、KHMクラスタリングの可変近隣検索（VNS）を統合します。提案されたISSO-KHMの有用性の証拠として、8つのベンチマーク問題に関する広範な計算結果を提示します。計算結果から、この比較は、文献のすべての実験に対して以前に開発されたアルゴリズムよりも提案されたISSO-KHMの優位性をサポートするように見えます。

The K-harmonic means clustering algorithm (KHM) is a new clustering method used to group data such that the sum of the harmonic averages of the distances between each entity and all cluster centroids is minimized. Because it is less sensitive to initialization than K-means (KM), many researchers have recently been attracted to studying KHM. In this study, the proposed iSSO-KHM is based on an improved simplified swarm optimization (iSSO) and integrates a variable neighborhood search (VNS) for KHM clustering. As evidence of the utility of the proposed iSSO-KHM, we present extensive computational results on eight benchmark problems. From the computational results, the comparison appears to support the superiority of the proposed iSSO-KHM over previously developed algorithms for all experiments in the literature.