資源描述：
《基于不同粒子群算法的模糊c均值聚類算法的比較》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫(kù)。
1、基于不同粒子群算法的模糊C均值聚類算法的比較//.paper.edu-1-中國(guó)科技論文在線基于不同粒子群算法的模糊C均值聚類算法的比較黃新建*作者簡(jiǎn)介：黃新建，（1986-），男，碩士研究生，主要研究方向?yàn)榱Ｗ尤簝?yōu)化算法及其在時(shí)間序列聚類中的應(yīng)用（中國(guó)礦業(yè)大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇徐州221008）5摘要：通過(guò)聚類方法對(duì)數(shù)據(jù)中的有效信息進(jìn)行提取已成為研究熱點(diǎn)。在粒子以隸屬度進(jìn)行編碼的基礎(chǔ)上，本文把五種不同的粒子群優(yōu)化算法應(yīng)用于模糊C均值聚類算法中，詳盡地比較了五種方法的聚類效果。首先介紹了模糊C均值聚類算法和五種不同的粒子群算法，通過(guò)以隸屬度對(duì)粒子進(jìn)行編碼將不同的粒子群算法應(yīng)用于模糊C均
2、值聚類算法以解決模糊聚類問(wèn)題。最后通過(guò)實(shí)驗(yàn)比較了各種方法的異同并對(duì)結(jié)果進(jìn)行了分析。10關(guān)鍵詞：聚類；模糊隸屬度；模糊C均值聚類算法；粒子群優(yōu)化算法中圖分類號(hào)：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聚類算法[1-2]（FCM）是實(shí)際應(yīng)用中使用較為廣泛的基于目標(biāo)函數(shù)的劃分30式聚類方法之一。在FCM中，聚類問(wèn)題被描述為一個(gè)帶約束的優(yōu)化問(wèn)題。但FCM存在一定的缺點(diǎn)，如數(shù)據(jù)集維數(shù)較高時(shí)，其聚類效果較差，以至于較難找到全局最優(yōu)，因此對(duì)FCM的改進(jìn)已成為一個(gè)研究方向。粒子群優(yōu)化算法[3]（PSO）通過(guò)種群中獨(dú)立個(gè)體間的信息合作和信息共享來(lái)搜索最優(yōu)解，PSO是一種基于種群合作方法的進(jìn)化計(jì)算算法。已有眾多學(xué)者研究了基于粒子
6、群優(yōu)化算法的模糊C均值聚類算法[4]。其中，ThomasA.Runkler等在文章[4]35中提出了通過(guò)隸屬度對(duì)粒子進(jìn)行編碼，從而實(shí)現(xiàn)將粒子群優(yōu)化算法應(yīng)用于解決模糊C均值聚類算法，以實(shí)現(xiàn)基于粒子群的模糊聚類算法。在本文中首先使用了原始粒子群算法、標(biāo)準(zhǔn)粒子群算法、帶收縮因子的粒子群算法、規(guī)范的粒子群算法和一類改進(jìn)的粒子群算法[5]等五種不同的粒子群優(yōu)化算法。隨后在以隸屬度對(duì)粒子進(jìn)行編碼的基礎(chǔ)上，依據(jù)文獻(xiàn)[4]中方法將五種不同的算法與模糊C均值聚類算法相40結(jié)合。最后通過(guò)實(shí)驗(yàn)詳細(xì)比較了各種方法的效果并進(jìn)行了分析總結(jié)。//.paper.edu-2-中國(guó)科技論文在線1模糊C均值聚類算法由于在FCM中
7、，隸屬度的取值范圍被大大擴(kuò)展，所以使得FCM中樣本對(duì)于不同類的隸屬度的值可以從0到1內(nèi)的任意取值，因而更加符合現(xiàn)實(shí)情況，所以有較好的數(shù)據(jù)表現(xiàn)能力。現(xiàn)在FCM也已成為聚類領(lǐng)域的研究熱點(diǎn)之一[2]。45設(shè)樣本集X的樣本數(shù)為n，分類數(shù)為c，并且設(shè)},...,,{21nxxxX=，有piRx∈和2≤c＜n。已知其目標(biāo)函數(shù)為∑∑==??=nkikcimikmexEUJ121
8、
9、
10、
11、)(),(μ（1.1）其中設(shè)m是∈（0
