基于量子粒子群优化的改进的模糊C-均值聚类算法 |
| |
引用本文: | 汤官宝.基于量子粒子群优化的改进的模糊C-均值聚类算法[J].数字社区&智能家居,2014(13):3084-3087. |
| |
作者姓名: | 汤官宝 |
| |
作者单位: | 阿坝师范高等专科学校; |
| |
摘 要: | 模糊C均值算法(FCM)是一种用于聚类的最流行的技术。不过,传统的FCM使用欧氏距离作为数据集的相似准则,从而导致数据集的划分有相等的趋势。而数据集的形状和簇的密度对聚类性能有高度影响。为了解决这个问题,提出基于簇密度的距离调节因子以修正相似性度量。同时,针对模糊C-均值(FCM)聚类算法对初始聚类中心选择敏感,易陷入局部最优的问题,采用量子粒子群优化算法以获取全局最优解。仿真实验证明,改进的聚类算法(QPSO-FCM-CD)具有良好的性能。
|
关 键 词: | 聚类分析 模糊C-均值(FCM) 量子粒子群(QPSO) 簇密度 |
本文献已被 CNKI 等数据库收录! |
|