本文關鍵詞：基于改進PSO的自適應FCM聚類算法

  更多相關文章： 改進粒子群優(yōu)化算法 自適應 早熟 后期震蕩

【摘要】：針對傳統(tǒng)模糊C-均值(fuzzy C-means,FCM)聚類算法存在對初始聚類中心選取的敏感性問題,提出一種基于改進粒子群優(yōu)化(particle swarm optimization,PSO)算法的FCM聚類算法。為進一步提高PSO算法的全局尋優(yōu)能力,探討了一種基于自適應慣性因子的改進粒子群算法,該算法不僅優(yōu)化了全局尋優(yōu)能力和局部搜索能力,而且也有效解決了早熟現象并避免了后期震蕩現象。實驗結果表明,將改進PSO用于FCM聚類算法中可以克服對初始中心點選擇的敏感性問題,擁有較高的全局尋優(yōu)能力,聚類精度方面也得到了進一步提升。
【作者單位】： 南京郵電大學計算機學院;南京郵電大學江蘇省無線傳感網高技術研究重點實驗室;
【基金】：國家自然科學基金(61373017,61402241,61472192,61572260,61572261) 江蘇省科技支撐計劃(BE2015702)資助項目
【分類號】：TP18;TP311.13
【正文快照】： 2.南京郵電大學江蘇省無線傳感網高技術研究重點實驗室,江蘇南京()210003聚類分析簡稱聚類[1],是一個把數據對象劃分成子集的過程。每一個子集是一個簇,使得簇中對象彼此相似,但與其他簇中的對象不相似。與傳統(tǒng)硬性聚類方法不同,模糊C-均值(fuzzy C-means,FCM)聚類算法[2]運用

【相似文獻】

中國期刊全文數據庫 前10條

1 李巖;孫勁光;張新君;;一種基于FCM聚類的圖像快速分割算法研究[J];計算機與信息技術;2008年03期

2 孫煒;呂輝;白劍林;;一種基于改進FCM聚類聯合概率數據關聯算法[J];電光與控制;2010年08期

3 杜長海;黃席樾;楊祖元;鄧天民;詹建平;;改進的FCM聚類在交通時段自動劃分中的應用[J];計算機工程與應用;2009年24期

4 呂曉云;李星毅;施化吉;;基于約簡數據集的FCM聚類算法[J];計算機工程與設計;2010年18期

5 石海霞;葉水生;;FCM聚類算法中模糊加權指數m的優(yōu)化[J];計算機應用與軟件;2009年05期

6 王興;馮子亮;;基于自適應初始值的FCM聚類圖像分割[J];計算機技術與發(fā)展;2010年03期

7 李樂;嵇成新;王春雨;;基于ART神經網絡的FCM聚類多目標跟蹤方法[J];艦船電子對抗;2010年02期

8 陳龍;郭寶龍;孫偉;;基于FCM聚類的粒子濾波多目標跟蹤算法[J];儀器儀表學報;2011年11期

9 吳海娟;沈明霞;彭增起;王衛(wèi);陳士進;劉超超;梁林;;基于改進型FCM聚類算法的彩色牛肉圖像中筋膜區(qū)域分割方法研究[J];食品科學;2012年19期

10 吳央;袁運能;;基于小波包分解和FCM聚類的紋理圖像分割方法[J];北京航空航天大學學報;2008年05期

中國碩士學位論文全文數據庫 前3條

1 曾俊杰;KNN分類和FCM聚類中相似性度量的研究[D];西華大學;2015年

2 鄧曉暉;基于NSCT和FCM聚類的SAR圖像分割[D];華南理工大學;2011年

3 許江浩;FCM聚類算法在測井相分析中的應用研究[D];成都理工大學;2012年

，

本文編號：1160650