| 基于PCA优化的PSO-FCM聚类算法 |
| |
| 作者姓名： | 陈诚 刘振宇 |
| |
| 作者单位： | 南华大学计算机科学与技术学院,衡阳421001;南华大学计算机科学与技术学院,衡阳421001 |
| |
| 基金项目： | 国家自然科学基金（61402220,61502221）;湖南省哲学社会科学基金（16YBA323）;湖南省自然科学基金（2015JJ3015）;湖南省教育厅青年项目（15B207,18B279）;南华大学科研创新项目（193YXC015） |
| |
| 摘 要： | 为解决PSO-FCM聚类算法针对多聚类问题,性能不足,容易陷入局部最优解,影响多聚类结果的准确度.提出一种基于PCA优化的PSO-FCM聚类算法,通过引入PCA分析方法,在粒子的各维度上设定不同的移动权重,降低粒子的敏感度,合理的控制粒子各维度上移动的速度,有效的降低粒子各维度上粒子无约束,位于多个聚类群交界处的粒子过分敏感,移动到错误的聚类的可能性增加.本文简要介绍了PSO-FCM算法的相关情况,详细介绍了本文的优化算法,最后通过实验证明,本文提出的优化算法在多个数据集上结果总体优于其他算法.
|
| 关 键 词： | 模糊聚类 主成分分析 粒子群模糊聚类 |
| 收稿时间： | 2019-07-29 |
| 修稿时间： | 2019-09-05 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
