资源描述：
《2014-基于流形距离的量子进化聚类算法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、第10期电子学报Vol.39No.102011年10月ACTAELECTRONICASINICAOct.2011基于流形距离的量子进化聚类算法李阳阳,石洪竺,焦李成,马文萍(西安电子科技大学智能感知与图像理解教育部重点实验室,陕西西安710071)摘要:基于量子计算的机理和特性,并结合进化计算,本文提出了一种新颖的量子进化聚类算法(QEAM),在该聚类算法中引入了一种新的距离测度函数流形距离.新方法将聚类归属为优化问题,通过运用量子进化的机理更快地搜索到最优聚类中心,从而得到最优隶属度矩阵划分;
2、同时,通过基于流形距离的相似性度量,有效利用样本所具有的全局一致性信息,充分挖掘样本的空间分布信息,对样本进行正确的类别划分.将本文算法(QEAM)与基于流形距离的免疫进化算法(IEAM),遗传聚类算法(GAC)以及模糊C-均值算法(FCM)进行了性能比较,对6个人工数据集和3个UCI数据集的仿真实验结果显示,QEAM对样本空间分布复杂的聚类问题具有较高的准确率和较好的鲁棒性.关键词:量子计算;量子进化算法;数据聚类;流形距离中图分类号:TP3914文献标识码:A文章编号:0372-2112(2011)10
3、-2343-05Quantum-InspiredEvolutionaryClusteringAlgorithmBasedonManifoldDistanceLIYang-yang,SHIHong-zhu,JIAOL-icheng,MAWen-ping(KeyLaboratoryofIntelligentPerceptionandImageUnderstandingofMinistryofEducationofChina,XidianUniversity,Xian710071,China)Abstract:Basedonthe
4、conceptsandprinciplesofquantumcomputing,anovelquantum-inspiredevolutionaryalgorithmfordataclustering(QEAM)isproposedinthispaperbyusinganoveldistancemeasurementindexcalledmanifolddistancewhichcanmeasurethegeodesicdistancealongwiththemanifold.Theclusteringproblemisview
5、edasanoptimizationproblem.Ourmainmo-tivesofusingQEAMconsistinsearchingforappropriateclustercenterbyusingtheprinciplesofquantumevolutionarycomputation,sothatasimilaritymetricofclustersareoptimizedmorequicklyandeffectively.Theexperimentalresultsonsixartificialdatasetsa
6、ndthreeUCIdatasetsshowthesuperiorityofQEAMoveranimmuneevolutionaryclusteringalgorithmwithmanifolddistance(IEAM),ageneticalgorithmforclustering(GAC)andfuzzyc-meansalgorithm(FCM).Keywords:quantumcomputation;quantum-inspiredevolutionaryalgorithm;dataclustering;manifold
7、distance一.针对经典算法对初始化敏感、容易陷入局部最优解1引言由此而产生各种错误分类的缺点,可以利用现有的模拟在现实生活中,数据聚类已广泛应用在数据挖掘、退火(simulatedannealing,简称SA)、遗传算法(genetica-l[1,2]计算机视觉、信息检索以及模式识别等领域.聚类gorithm,简称GA)等先进的优化算法对目标函数优化,就是按照一定的要求和规律对事物进行区分和分类的从而使聚类算法得到全局最优解的概率大大增加.但现过程.在这个过程中没有任何关于分类的先验知识,仅有的进化算法也存在耗时以及
8、波动性大等问题,因此,靠事物间的相似性作为类别划分的准则.在现有的聚类迫切需要构造性能优良的聚类算法.算法中,基于目标函数的聚类算法由于把聚类问题归结本文借鉴量子计算的并行特性,采用量子位编码种为一个优化问题,具有深厚的泛函基础,是聚类算法研群中的染色体,这种表
