本文關(guān)鍵詞：基于特征加權(quán)的FCM聚類與PSO算法結(jié)合的應(yīng)用

  更多相關(guān)文章： 模糊C均值聚類 粒子群優(yōu)化 加權(quán)歐氏距離 慣性權(quán)重

【摘要】：近年來,模糊聚類分析被廣泛應(yīng)用于各類學科研究當中,是一種重要的研究方法。在很多諸如經(jīng)濟財務(wù)、生命科學、醫(yī)學診斷、商業(yè)管理、地質(zhì)天文等領(lǐng)域中,均受到相當?shù)刂匾?特別是在多變量分析以及圖像識別中,扮演著舉足輕重的角色。其中,模糊C均值(Fuzzy C-means,FCM)聚類由于其簡易的過程和顯著的有效性,成為了最受歡迎的模糊聚類方法。然而,模糊C均值聚類方法不免也有其弱點:FCM方法對于初始化聚類原型(或劃分矩陣)特別敏感而易陷于局部最優(yōu),并且傳統(tǒng)的FCM算法忽視了不同特征的不同貢獻�；谝陨蠁栴},我們希望尋求改進。在眾多的演化算法中,粒子群優(yōu)化(Particle swarm optimization,PSO)算法由于其良好的普適性和比較簡易的過程而受到青睞,成為最受歡迎的演化算法。PSO算法是一種多維隨機搜索和加速進行全局優(yōu)化的演化算法,被應(yīng)用于很多領(lǐng)域進行優(yōu)化。在此算法中,慣性權(quán)重的選取是決定算法性能優(yōu)劣的關(guān)鍵。在這篇文章中,我們對粒子群算法的慣性權(quán)重及學習因子等參量進行了適配處理,使其動態(tài)地不斷被修正,并且針對模糊C均值算法不考慮不同特征的影響差異的缺陷,對樣本采用了一種特征加權(quán)的處理。最終將這種算法與含有適配參數(shù)的粒子群優(yōu)化算法有機地結(jié)合在一起,產(chǎn)生一個新的結(jié)合算法,進而著力彌補傳統(tǒng)FCM算法的不足,以得到更好的聚類結(jié)果。最后,我們將算法運用到真實數(shù)據(jù)上,通過實驗的結(jié)果,來說明所提出的算法相較于傳統(tǒng)算法的優(yōu)越性。
【關(guān)鍵詞】：模糊C均值聚類 粒子群優(yōu)化 加權(quán)歐氏距離 慣性權(quán)重
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：F224
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 緒論10-13
• 1.1 研究背景和研究目的10
• 1.2 相關(guān)內(nèi)容的研究現(xiàn)狀10-11
• 1.3 本文的主要內(nèi)容和結(jié)構(gòu)11-13
• 第二章 基本理論和方法13-26
• 2.1 聚類分析的介紹13-16
• 2.1.1 聚類分析的數(shù)學模型13-14
• 2.1.2 聚類分析的相似性度量14-15
• 2.1.3 聚類分析的分類15-16
• 2.2 模糊理論16-18
• 2.2.1 模糊集合16-17
• 2.2.2 模糊關(guān)系17-18
• 2.3 模糊聚類18-20
• 2.3.1 模糊聚類的數(shù)學模型18-19
• 2.3.2 模糊聚類的方法19-20
• 2.4 模糊C-均值聚類算法20-23
• 2.4.1 模糊C均值聚類（FCM）算法的介紹20-21
• 2.4.2 模糊C均值聚類（FCM）算法的具體步驟21-23
• 2.5 基于特征加權(quán)的模糊C-均值聚類算法23-26
• 2.5.1 基于特征加權(quán)的模糊C均值聚類（WFCM）算法的思路23
• 2.5.2 模糊 C 均值聚類（WFCM）算法的具體步驟23-26
• 第三章 粒子群優(yōu)化算法26-31
• 3.1 標準粒子群優(yōu)化算法26-28
• 3.1.1 粒子群優(yōu)化（PSO）算法的基本概念26-27
• 3.1.2 慣性權(quán)重w的選取27-28
• 3.2 改進的粒子群優(yōu)化算法28-31
• 3.2.1 改進的粒子群優(yōu)化算法的介紹28-29
• 3.2.2 改進的粒子群優(yōu)化算法的具體步驟29-31
• 第四章 基于特征加權(quán)的FCM算法與PSO算法的結(jié)合31-38
• 4.1 算法結(jié)合的基本思路31-33
• 4.2 改進的PSO算法與WFCM算法的結(jié)合33-38
• 4.2.1 結(jié)合算法的介紹33
• 4.2.2 結(jié)合算法的具體步驟33-38
• 第五章 算法在實驗中的應(yīng)用及分析38-41
• 5.1 實驗的步驟38-39
• 5.1.1 數(shù)據(jù)的標準化38
• 5.1.2 實驗操作38-39
• 5.2 實驗結(jié)果比較與分析39-41
• 總結(jié)41-42
• 參考文獻42-44
• 附錄44-53
• 致謝53

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 ;曼羅蘭PSO工廠認證大獲成功[J];印刷質(zhì)量與標準化;2008年02期

2 董根源;溫步瀛;江岳文;;考慮發(fā)電機報價曲線的發(fā)電計劃偏差的β-PSO優(yōu)化方法研究[J];電力自動化設(shè)備;2006年07期

3 王洪波;;基于PSO優(yōu)化SVM的建筑企業(yè)核心競爭力評價[J];經(jīng)營管理者;2012年05期

4 ;悉尼一印刷廠成為世界首家通過PSO認證的企業(yè)[J];印刷質(zhì)量與標準化;2010年08期

5 李世龍;劉濤;;基于改進PSO方法的保障性住房選址策略模型[J];計算機工程與應(yīng)用;2013年16期

6 程妤,劉洪巖;大型集群項目的PSO分析——世博會工程項目的研究[J];建筑施工;2005年02期

7 王海珍;彭梅香;;基于SA的PSO自動化倉庫揀選作業(yè)路徑優(yōu)化方法[J];制造業(yè)自動化;2011年09期

8 方智;許國根;;PSO算法在應(yīng)急選址中的應(yīng)用[J];中國高新技術(shù)企業(yè);2009年18期

9 令狐佳;;PSO優(yōu)化神經(jīng)網(wǎng)絡(luò)模型在物流突發(fā)需求估計中的應(yīng)用[J];物流技術(shù);2013年17期

10 ;[J];;年期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 王坤坤;尹怡欣;;基于一種改進PSO的移動機器人路徑規(guī)劃[A];2006年首屆ICT大會信息、知識、智能及其轉(zhuǎn)換理論第一次高峰論壇會議論文集[C];2006年

2 李麗;薛冰;牛奔;;基于改進PSO算法的投資組合問題研究[A];第十二屆中國管理科學學術(shù)年會論文集[C];2010年

3 徐t，

本文編號：858962