針對模糊C均值聚類算法易受初始聚類中心影響且收斂速度慢的缺陷,提出一種基于二次網(wǎng)格優(yōu)化的粒子群模糊聚類算法Grid-PFcm。該算法首先將數(shù)據(jù)空間網(wǎng)格化,依據(jù)深度優(yōu)先遍歷規(guī)則,連通相鄰密集網(wǎng)格單元,計算連通網(wǎng)格的相對密度,選取相對密度值最大的連通網(wǎng)格,計算中心位置,初始化聚類中心。然后,按照基于網(wǎng)格空間的單維向量變化原理,實現(xiàn)最佳粒子全局尋優(yōu),進一步優(yōu)化初始聚類中心,以降低初始聚類中心選取對聚類效果的影響度。最后,通過實驗表明,該算法能夠加快尋優(yōu)收斂速度,提高聚類效率和效果。 

【文章來源】：計算機工程與科學. 2019,41(02)北大核心

【文章頁數(shù)】：9 頁

【文章目錄】：
1 引言
2 相關基礎知識
    2.1 相關公式定義
    2.2 FCM算法
        2.2.1 FCM算法原理
        2.2.2 FCM算法流程
        2.2.3 FCM算法評價
    2.3 PSO算法
        2.3.1 PSO算法
        2.3.2 慣性權(quán)重ω
        2.3.3 學習因子c′1, c′2影響度
        2.3.4 粒子群規(guī)模p影響度
        2.3.5 最大速度vmax影響度
3 PSO-FCM算法
    3.1 PSO-FCM算法確定聚類數(shù)目
    3.2 PSO-FCM 算法步驟
    3.3 PSO-FCM算法粒子速度解析
4 基于二次網(wǎng)格優(yōu)化的粒子群模糊聚類算法Grid-PFcm
    4.1 算法思路分析
    4.2 算法步驟
    4.3 核心算法簡要描述
PFcm算法復雜性及實際意義">    4.4 Grid_PFcm算法復雜性及實際意義
PFcm算法優(yōu)缺點分析">    4.5 Grid_PFcm算法優(yōu)缺點分析
5 實驗結(jié)果與分析
    5.1 實驗環(huán)境
    5.2 實驗數(shù)據(jù)對比分析
    5.3 收斂速度對比分析
    5.4 實驗效率對比分析
    5.5 實驗效果對比分析
6 結(jié)束語



本文編號：3007900