本文關鍵詞：人工蜂群優(yōu)化模糊聚類研究及應用

  更多相關文章： 人工蜂群算法 模糊 可能性聚類 核函數(shù)

【摘要】：大數(shù)據(jù)時代,各行各業(yè)都積累了海量復雜無規(guī)則的數(shù)據(jù),其中蘊含了潛在知識和信息能夠有效地幫助人們進行模式分類壓縮、風險趨勢預測、決策分析。為了深層理解和充分利用這些海量復雜數(shù)據(jù),挖掘其中的潛在價值信息,急切需要一種方式—聚類分析來幫助人們探索這些數(shù)據(jù)。模糊聚類分析作為無監(jiān)督分析數(shù)據(jù)、理解數(shù)據(jù)認知事物的重要手段,由于引入模糊集合和模糊數(shù)學的思想建立了樣本數(shù)據(jù)與類別之間的不確定性描述,更適合處理現(xiàn)實中不完全,不精確,沒有明顯邊界的聚類問題。模糊聚類雖然能夠準確描述和表示現(xiàn)實中的聚類問題,但模糊聚類算法通常對初始值敏感,算法全局尋優(yōu)能力差,容易陷入局最優(yōu)解從而對聚類結果產(chǎn)生一定的影響。因此將基本模糊聚類算法與現(xiàn)代智能優(yōu)化算法結合,利用其獨特的全局尋優(yōu)特性解決模糊聚類算法在初始值和全局尋優(yōu)方面的難題,逐漸成為模糊聚類研究的發(fā)展趨勢。本文將具有獨特全局局部尋優(yōu)能力的人工蜂群算法與模糊聚類相結合進行研究,主要的研究內(nèi)容和創(chuàng)新點如下：本文首先介紹了模糊聚類的研究背景和意義,發(fā)展過程與研究現(xiàn)狀,并仔細分析了模糊聚類算法中存在的主要難題和發(fā)展趨勢。同時研究和介紹了模糊集合,模糊聚類的數(shù)學模型、模糊聚類的基本算法,并給出了一般聚類問題的具體實現(xiàn)過程。其次針對基本人工蜂群算法后期收斂速度慢,容易陷入局部最優(yōu)解的問題,將模擬退火的思想引入人工蜂群算法貪婪尋優(yōu)過程,提出了基于模擬退火的人工蜂群算法。其核心思想是在采蜜蜂和跟隨蜂鄰域搜索接受新解的過程中,對于比當前解差的新解,采用模擬退火機制仍然以一定的概率選擇接受,這樣在一定程度上增加了全局尋優(yōu)的機率,從而避免陷入局部最優(yōu)解。通過高維函數(shù)的實驗測試,驗證了基于模擬退火的人工蜂群算法優(yōu)良的全局尋優(yōu)特性和收斂性。第三本文結合PFCM、UPC、可能性熵提出了可能性模糊熵聚類算法,并用全局人工蜂群算法優(yōu)化提出的模型,通過在UCI標準數(shù)據(jù)集上的實驗測試,驗證了算法的可行性和聚類的有效性,最后將提出的模型應用于變壓器故障檢測分析當中,充分說明了算法的優(yōu)良的聚類性能和實際應用價值。最后本文在PFECM的基礎上通過引入高斯核函數(shù),提出了基于高斯核方法的可能性模糊熵聚類算法。其主要通過高斯核函數(shù)將原低維空間的樣本數(shù)據(jù)映射到高維特征空間,擴大樣本在各個維度上的特征差異,從而有效地解決傳統(tǒng)聚類算法在處理高維、非線性可分,非凸結構數(shù)據(jù)時聚類算法性能不穩(wěn)定的問題。并通過在人造數(shù)據(jù)集和標準測試數(shù)據(jù)集驗證了算法的性能。
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TP311.13

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊瑾;申普兵;周淑華;;基于模糊聚類的攻擊預警[J];通信技術;2008年12期

2 張峰;吳欽章;任國強;;一種模糊聚類的快速算法[J];貴州大學學報(自然科學版);2009年03期

3 胡偉軒,翁良科,鄭小年,周永萱;發(fā)聲器件的模糊聚類[J];華中工學院學報;1987年03期

4 林景榮;一種以秩和為因子的模糊聚類預報法[J];福州大學學報(自然科學版);1988年03期

5 許本輝;用電腦進行模糊聚類分析的研究[J];電腦開發(fā)與應用;1997年04期

6 黃鳳崗,孫文彥,宋克歐;模糊聚類網(wǎng)中多對一映射的實現(xiàn)[J];哈爾濱工程大學學報;1998年02期

7 雙凱,董守平;粒子成像測速圖像的模糊聚類識別[J];石油大學學報(自然科學版);2000年06期

8 王艷瑋,樊其瑾,彭炎午;基于模糊聚類的產(chǎn)品合理子裝配劃分[J];機械科學與技術;2001年02期

9 張曉杰;;實現(xiàn)工程結構構件模糊聚類歸并的冗余聚類篩除法[J];計算機輔助設計與圖形學學報;2006年02期

10 王緯;王妍;黃山;;模糊聚類功能實現(xiàn)[J];科技創(chuàng)新導報;2007年36期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 張春月;李曉奇;;基于SPSS的模糊聚類分析[A];第七屆中國不確定系統(tǒng)年會論文集[C];2009年

2 朱輝;李在銘;;基于模糊聚類的圖像閥值處理方法及其在醫(yī)學中的應用[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

3 朱枝琳;;基于模糊聚類的城市功能區(qū)劃分研究[A];2006年浙江省測繪學會工程測量專業(yè)委員會論文評審和討論工程測量發(fā)展趨勢會議論文集[C];2006年

4 李揚;謝春雪;趙小囡;李紅;;基于模糊聚類的方法評定學生的學習狀態(tài)[A];創(chuàng)新沈陽文集（B）[C];2009年

5 李仲來;;模糊聚類與系統(tǒng)聚類的結合分析[A];中國系統(tǒng)工程學會模糊數(shù)學與模糊系統(tǒng)委員會第五屆年會論文選集[C];1990年

6 李小平;焦李成;;信息顆粒在數(shù)據(jù)模糊聚類中的應用與構造[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學術年會文集[C];2000年

7 王建偉;謝永強;;基于遺傳模糊聚類的異常檢測方法[A];全國第19屆計算機技術與應用（CACIS）學術會議論文集（下冊）[C];2008年

8 杜趙群;于偉東;;服裝面料風格的模糊聚類研究[A];2005現(xiàn)代服裝紡織高科技發(fā)展研討會論文集[C];2005年

9 李俊花;劉文白;孫昭晨;崔莉;;基于半模糊聚類的長輸管道泄漏監(jiān)測[A];2007年中國智能自動化會議論文集[C];2007年

10 丁力行;阮秀英;鄧玉艷;;基于，

本文編號：1201696