基于GA優(yōu)化的核模糊C均值聚類算法的研究.pdf

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，