基于特征加權(quán)的fcm聚類與pso算法結(jié)合的應(yīng)用

《基于特征加權(quán)的fcm聚類與pso算法結(jié)合的應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、分研一類一號(hào)：O213.9單位代碼：10183研究生學(xué)號(hào)：2013314003密一一級(jí)：公開吉林大學(xué)碩士學(xué)位論文（專業(yè)學(xué)位）基于特征加權(quán)的FCM聚類與PSO算法結(jié)合的應(yīng)用ApplicationofintegrativealgorithmoffeatureweightedFCMclusteringandPSOalgorithm作者姓名：錢鎮(zhèn)驤專業(yè)：應(yīng)用統(tǒng)計(jì)碩士研究方向：應(yīng)用統(tǒng)計(jì)指導(dǎo)教師：鄭文瑞培養(yǎng)單位：數(shù)學(xué)學(xué)院2016年4月基于特征加權(quán)的ＦＣＭ聚類與ＰＳＯ算法結(jié)合的應(yīng)用Ａｐｐｌｉｃａｔｉｏｎｏｆｉｎｔｅｇｒａｔｉｖｅａｌｇｏ州ｈｍｏｆｆｅａｔｕ巧ｗｅ

2、ｉｇｈｔｅｄＦＣＭｃｌｕｓｔｅｒｉｎｇａｎｄＰＳＯａｌｇｏｒｉ化ｍ作者姓名：錢鎮(zhèn)攘領(lǐng)域（方向）：應(yīng)用統(tǒng)計(jì)指導(dǎo)教師：鄭文瑞教授類別：應(yīng)用統(tǒng)計(jì)碩±＾（答辯日期：６年王月ｒ日ｒ未經(jīng)本論文作者的書面授權(quán)，依法收存和保管本論文書面版本、電子版本的任何單位和個(gè)人，均不得對(duì)本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用（但純學(xué)術(shù)性使用不在此限）。否則，應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)博壬（或碩壬）學(xué)位論文原創(chuàng)性聲明本人鄭重聲明：所呈交學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，

3、獨(dú)立進(jìn)行研究工作所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外，本論文不包含任何其他個(gè)人或集體己經(jīng)發(fā)表或撰寫過的作品成果。對(duì)本文的研巧做出重要貢獻(xiàn)的個(gè)人和集體，均己在文中明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名：鎮(zhèn)康城日期：備年牛月《日摘要摘要近年來，模糊聚類分析被廣泛應(yīng)用于各類學(xué)科研究當(dāng)中，是一種重要的研究方法。在很多諸如經(jīng)濟(jì)財(cái)務(wù)、生命科學(xué)、醫(yī)學(xué)診斷、商業(yè)管理、地質(zhì)天文等領(lǐng)域中，均受到相當(dāng)?shù)刂匾?，特別是在多變量分析以及圖像識(shí)別中，扮演著舉足輕重的角色。其中，模糊C均值（FuzzyC-means，F(xiàn)CM）聚類由于

4、其簡(jiǎn)易的過程和顯著的有效性，成為了最受歡迎的模糊聚類方法。然而，模糊C均值聚類方法不免也有其弱點(diǎn)：FCM方法對(duì)于初始化聚類原型（或劃分矩陣）特別敏感而易陷于局部最優(yōu)，并且傳統(tǒng)的FCM算法忽視了不同特征的不同貢獻(xiàn)?；谝陨蠁栴}，我們希望尋求改進(jìn)。在眾多的演化算法中，粒子群優(yōu)化（Particleswarmoptimization,PSO）算法由于其良好的普適性和比較簡(jiǎn)易的過程而受到青睞，成為最受歡迎的演化算法。PSO算法是一種多維隨機(jī)搜索和加速進(jìn)行全局優(yōu)化的演化算法，被應(yīng)用于很多領(lǐng)域進(jìn)行優(yōu)化。在此算法中，慣性權(quán)重的選取是決定算法性能優(yōu)劣的關(guān)鍵。在這篇文章中，我們對(duì)粒子

5、群算法的慣性權(quán)重及學(xué)習(xí)因子等參量進(jìn)行了適配處理，使其動(dòng)態(tài)地不斷被修正，并且針對(duì)模糊C均值算法不考慮不同特征的影響差異的缺陷，對(duì)樣本采用了一種特征加權(quán)的處理。最終將這種算法與含有適配參數(shù)的粒子群優(yōu)化算法有機(jī)地結(jié)合在一起，產(chǎn)生一個(gè)新的結(jié)合算法，進(jìn)而著力彌補(bǔ)傳統(tǒng)FCM算法的不足，以得到更好的聚類結(jié)果。最后，我們將算法運(yùn)用到真實(shí)數(shù)據(jù)上，通過實(shí)驗(yàn)的結(jié)果，來說明所提出的算法相較于傳統(tǒng)算法的優(yōu)越性。關(guān)鍵詞：模糊C均值聚類，粒子群優(yōu)化，加權(quán)歐氏距離，慣性權(quán)重。IABSTRACTABSTRACTInrecentyears,thefuzzyclusteranalysiswhichis

6、widelyusedinnumerouskindofsubjectsstudyisanimportantresearchmethod.Ithasbeenvaluedinmanyfieldssuchaseconomic,financial,lifescience,medicaldiagnosis,businessmanagement,geology,astronomyandsoon.Especially,itplaysaveryimportantroleinthemultivariateanalysisandimagerecognition.Amongmanyfuz

7、zyclusteringmethods,theFuzzyc-means(FCM)hasbecomethemostpopularmethodduetoitssimpleprocessandremarkableeffectiveness.However,Fuzzyc-meansclusteringmethodalsohasitsownweakness:FCMmethodisespeciallysensitivewiththeinitializationofclusteringprototypes(orpartitionmatrix)andeasytofallintol

8、ocalo