基于不同粒子群算法的模糊c均值聚类算法的比较

基于不同粒子群算法的模糊c均值聚类算法的比较

ID:15050028

大小:168.00 KB

页数:28页

时间:2018-08-01

基于不同粒子群算法的模糊c均值聚类算法的比较_第1页
基于不同粒子群算法的模糊c均值聚类算法的比较_第2页
基于不同粒子群算法的模糊c均值聚类算法的比较_第3页
基于不同粒子群算法的模糊c均值聚类算法的比较_第4页
基于不同粒子群算法的模糊c均值聚类算法的比较_第5页
资源描述:

《基于不同粒子群算法的模糊c均值聚类算法的比较》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、基于不同粒子群算法的模糊C均值聚类算法的比较//.paper.edu-1-中国科技论文在线基于不同粒子群算法的模糊C均值聚类算法的比较黄新建*作者简介:黄新建,(1986-),男,硕士研究生,主要研究方向为粒子群优化算法及其在时间序列聚类中的应用(中国矿业大学计算机科学与技术学院,江苏徐州221008)5摘要:通过聚类方法对数据中的有效信息进行提取已成为研究热点。在粒子以隶属度进行编码的基础上,本文把五种不同的粒子群优化算法应用于模糊C均值聚类算法中,详尽地比较了五种方法的聚类效果。首先介绍了模糊C均值聚类算法和五种不同的粒子群算法,通过以隶属度对粒子进行编码将不同的粒子群算法应用于模糊C均

2、值聚类算法以解决模糊聚类问题。最后通过实验比较了各种方法的异同并对结果进行了分析。10关键词:聚类;模糊隶属度;模糊C均值聚类算法;粒子群优化算法中图分类号:TP301.6TheComparisonofFuzzyC-MeansBasedonDifferentParticleSwarmOptimizationAlgorithm15HUANGXinjian(SchoolofComputerScience&Technology,ChinaUniversityofMine&Technology,JiangSuXuZhou221008)Abstract:Toextracteffecti

3、veinformationofdatabyclusteringmethodhasbecomeahotspot.Whiletheparticleisencodedbymembership,thefivedifferentparticleswarmoptimization20algorithmsareappliedtofuzzyCmeansclusteringalgorithm,withthedetailedcomparisonofthefivemethodsofclusteringeffectgiven.Firstly,fuzzyCmeansclusteringalgorithmandfive

4、differentparticleswarmalgorithmsareintroduced.ThendifferentparticleswarmalgorithmsareappliedtofuzzyCmeansclusteringalgorithmtosolvethefuzzyclusteringproblemwhiletheparticleisencodebymembership.Finally,thesimilaritiesanddifferencesofvariousmethodsare25comparedbyexperimentsandtheresultswereanalyzed.K

5、eywords:clustering;fuzzymembership;fuzzycmeansalgorithm;particleswarmalgorithm0引言模糊C-means聚类算法[1-2](FCM)是实际应用中使用较为广泛的基于目标函数的划分30式聚类方法之一。在FCM中,聚类问题被描述为一个带约束的优化问题。但FCM存在一定的缺点,如数据集维数较高时,其聚类效果较差,以至于较难找到全局最优,因此对FCM的改进已成为一个研究方向。粒子群优化算法[3](PSO)通过种群中独立个体间的信息合作和信息共享来搜索最优解,PSO是一种基于种群合作方法的进化计算算法。已有众多学者研究了基于粒子

6、群优化算法的模糊C均值聚类算法[4]。其中,ThomasA.Runkler等在文章[4]35中提出了通过隶属度对粒子进行编码,从而实现将粒子群优化算法应用于解决模糊C均值聚类算法,以实现基于粒子群的模糊聚类算法。在本文中首先使用了原始粒子群算法、标准粒子群算法、带收缩因子的粒子群算法、规范的粒子群算法和一类改进的粒子群算法[5]等五种不同的粒子群优化算法。随后在以隶属度对粒子进行编码的基础上,依据文献[4]中方法将五种不同的算法与模糊C均值聚类算法相40结合。最后通过实验详细比较了各种方法的效果并进行了分析总结。//.paper.edu-2-中国科技论文在线1模糊C均值聚类算法由于在FCM中

7、,隶属度的取值范围被大大扩展,所以使得FCM中样本对于不同类的隶属度的值可以从0到1内的任意取值,因而更加符合现实情况,所以有较好的数据表现能力。现在FCM也已成为聚类领域的研究热点之一[2]。45设样本集X的样本数为n,分类数为c,并且设},...,,{21nxxxX=,有piRx∈和2≤c<n。已知其目标函数为∑∑==??=nkikcimikmexEUJ121

8、

9、

10、

11、)(),(μ(1.1)其中设m是∈(0

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。