基于GA優(yōu)化的核模糊C均值聚類算法的研究.pdf_第1頁(yè)
已閱讀1頁(yè),還剩49頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、隨著數(shù)據(jù)資源的爆炸式增長(zhǎng),數(shù)據(jù)挖掘已成為人們獲取有用信息的不可缺少的數(shù)據(jù)分析方法。無(wú)監(jiān)督的模糊聚類分析作為數(shù)據(jù)挖掘的一種有效工具,已經(jīng)很好地應(yīng)用于信息檢索、模式識(shí)別、數(shù)據(jù)分析、圖像處理等各個(gè)領(lǐng)域。本文以模糊聚類算法的優(yōu)化和應(yīng)用為研究?jī)?nèi)容。
  在所有的模糊聚類算法中,基于目標(biāo)函數(shù)的模糊C均值(Fuzzy C-means,F(xiàn)CM)聚類算法因其局部搜索能力強(qiáng)且收斂速度快的特點(diǎn)而被廣泛應(yīng)用。但是,該算法主要存在兩個(gè)缺陷:第一,隸屬度和為

2、1的概率約束條件易造成它對(duì)噪聲和孤立點(diǎn)敏感;第二,它本質(zhì)上是一種局部爬山算法,這使得它對(duì)初始聚類中心敏感且容易陷入局部極值。
  針對(duì)FCM聚類算法存在的問(wèn)題,本文通過(guò)結(jié)合改進(jìn)的遺傳算法(Genetic algorithm,GA)與核技術(shù)對(duì)FCM聚類算法進(jìn)行優(yōu)化處理,提出一種基于GA優(yōu)化的核FCM聚類算法(GA-KFCM)。首先,設(shè)計(jì)一種改進(jìn)的自適應(yīng)遺傳算法。該算法基于實(shí)數(shù)編碼方式,采用非線性排序選擇方法,自適應(yīng)交叉、變異策略,以

3、及最大進(jìn)化代數(shù)準(zhǔn)則和種群平均適應(yīng)度收斂準(zhǔn)則等。然后,采用一種基于核的FCM聚類算法(KFCM)。利用核函數(shù)改變FCM聚類算法中的距離函數(shù)來(lái)定義目標(biāo)函數(shù),從而改進(jìn)FCM算法的概率型約束條件。最后,將本文設(shè)計(jì)的改進(jìn)的自適應(yīng)遺傳算法與KFCM聚類算法相結(jié)合,提出了一種GA-KFCM算法。該算法利用外層改進(jìn)的自適應(yīng)GA優(yōu)化初始聚類中心,然后,采用KFCM算法指導(dǎo)分類,從而改善FCM算法的聚類性能。
  本文通過(guò)Matlab進(jìn)行實(shí)驗(yàn)和仿真,

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論