基于混沌免疫进化算法的聚类算法分析

结合免疫进化算法和混沌优化算法各自在数据空间搜索的优势,本文提出了一种新的基于混沌免疫进化算法的模糊c_均值聚类算法.该算法实现了从全局到局部的两层领域搜索机制,且仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

基于混合粒子群优化算法的聚类分析

针对模糊C-均值聚类算法易陷入局部最优和算法收敛速度慢等问题,提出了一种新的基于混合粒子群优化的模糊C-均值聚类算法.新算法在基本粒子群优化的模糊C-均值聚类算法的基础上结合了遗传算法的交叉、变异算子及混沌优化算法,并引入逃逸算子.仿真结果表明,该算法有效地避免了通常聚类方法易出现的早熟现象,同时也具有较快的收敛速度和较高的准确度.     

正则模型类的时态可定义性

正则模型是非正规模态逻辑的模型,通过定义正则模型的不相交并、C2t-互模拟、生成子模型、C2t-超滤扩张等模型上的运算,可以证明一个正则模型类在时态语言中可定义当且仅当它在不相交并、满C2t-互模拟像、C2t-超滤扩张下封闭,并且它的补类在C2t-超滤扩张下封闭.该刻画定理说明了时态语言在正则模型类上的表达力。     

改进的基于核函数的模糊聚类算法

针对传统模糊核聚类算法没有考虑各维特征对聚类的不同贡献程度,以及易陷入局部最优等缺点, 提出一种改进的模糊核聚类算法。该算法构造了一个简单有效的适应度函数,结合遗传算法全局搜索的优点,避免算法陷入局部最优。还为各维特征引入一个权系数,并利用ReliefF算法为特征加权。该算法比传统模糊核聚类算法有较大改进,实验结果表明了其有效性。     

基于规则相容性的模糊控制规则GA生成方法

基于目前采用遗传算法模糊控制规则优化存在的没有考虑规则的相客性、得到的模糊控制规则难以理解的问题,介绍了以模糊贴近度为评价标准,定量评价模糊规则相客性的方法。在此基础上,提出了新的适应度函数,即遗传算法的适应度函数由控制性能指标和规则相客性指标两部分组成。利用遗传算法生成了模糊规则,同时保证规则之间的相客性。仿真结果表明,生成的模糊规则具有较好的相容性和控制性能。     

一种带权重的真值流推理算法

研究了真值流推理算法在各种推理模式下的还原性,证明了真值流推理算法在单一规则下是具有还原性的.但是,在采用常用的推理模型进行推理时,真值流推理算法并不具有多重多维情形下的还原性.为了解决这个问题,提出了一种带权重的真值流推理算法,并证明了该新算法具有多重多维情形下的还原性.     

一个新的模糊聚类有效性指标

提出一个新的模糊聚类有效性指标。该指标能确定由模糊C-均值算法(FCM)所得模糊划分的最优划分和最优聚类数,结合了模糊聚类的紧致性和分离性信息,用类内加权平方误差和计算紧致性,用类间相似度计算分离性。在3个人造数据集和3个真实数据集上进行对比实验,结果证明该指标的性能优于其他有效性指标。     

一种改进的模糊C-均值聚类算法

分析了现有FCM聚类算法存在的问题,提出了一种改进的FCM聚类算法.该算法引入了最近邻聚类算法来初始化FCM算法的聚类数和聚类中心.实例分析表明改进后的FCM算法不仅能提高聚类的准确性,而且能有效地避免陷入局部最优.     

具有还原性的多重多维模糊推理算法

Zadeh提出的CRI算法是模糊推理中运用最广泛的算法,但它不具还原性。王国俊教授提出的全蕴涵三Ⅰ算法,以及已有的基于相似度的模糊推理算法是在单一规则下的模糊推理算法,在单一规则情形满足还原性条件。本文在给出多重多维模糊推理具有还原性的定义的基础上,先用例子说明,全蕴涵三Ⅰ算法和已有的基于相似度的算法在多重多维推理的情况下不具有还原性,同时本文提出一种新的基于相似度的模糊推理算法,在多重多维推理时满足还原性条件。     

一种改进的ART2网络学习算法

分析了现有ART2网络存在的问题,提出了一种改进的ART2算法。该算法首先利用样本数据自身来初始化权值,然后按照同一类中的数据点到其聚类中心的距离之和越小(即类内偏差越小),聚类效果越好的原则来设计特征表示场和类别表示场之间的权值修正公式,最后通过比较输入样本和聚类中心的模来有效地利用模式的幅度信息。分析证明了该算法不仅能有效解决模式漂移问题、充分利用幅度信息,而且能提高聚类速度。