本文關(guān)鍵詞：基于混沌和自適應(yīng)變異的粒子群聚類算法研究

  更多相關(guān)文章： 粒子群算法 Kmeans算法 混沌 自適應(yīng)變異

【摘要】：針對粒子群聚類算法(PSO-Kmeans)所存在的種群隨機(jī)初始化遍歷性差、線性慣性權(quán)重調(diào)整策略收斂效果差、粒子易陷入早熟收斂、等距點(diǎn)影響聚類精確度以及處理大量數(shù)據(jù)時性能不足等問題,提出了1種混沌和自適應(yīng)變異的粒子群聚類算法,通過無限折疊混沌映射初始化、非線性慣性權(quán)重調(diào)整、基于變異參數(shù)的自適應(yīng)t分布變異以及比較等距點(diǎn)周圍趨向性等策略,對PSO-Kmeans算法進(jìn)行改進(jìn),并實(shí)現(xiàn)了算法的并行化。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法可以有效地避免早熟收斂,聚類精度要優(yōu)于Kmeans算法和PSO-Kmeans算法,而且在處理大量數(shù)據(jù)時能有效提高算法的時間性能。
【作者單位】： 武警工程大學(xué)研究生管理大隊(duì);武警工程大學(xué)信息工程系;
【關(guān)鍵詞】： 粒子群算法 Kmeans算法 混沌 自適應(yīng)變異
【基金】：國家自然科學(xué)基金資助項(xiàng)目(61402529) 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2015JQ6266)
【分類號】：TP18;TP311.13
【正文快照】： 聚類(clustering)是1個將已知數(shù)據(jù)集中具有相似特性的數(shù)據(jù)劃分成不同類的過程[1]。聚類算法根據(jù)數(shù)據(jù)歸入類時所依據(jù)條件的不同,分為劃分、層次、密度、網(wǎng)格以及模型等類型[2-3],其中的K-means算法是最為常用的聚類算法之一。但傳統(tǒng)的K-means算法存在著收斂速度慢以及處理海量

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 張興華;潘宏俠;;一種帶有自適應(yīng)變異的雙種群優(yōu)化算法[J];機(jī)械管理開發(fā);2012年03期

2 易燕;沈云;王開云;;在內(nèi)部演化硬件中實(shí)現(xiàn)自適應(yīng)變異參數(shù)控制[J];云南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S1期

3 高海昌;馮博琴;侯蕓;朱利;;自適應(yīng)變異的混合粒子群優(yōu)化策略及其應(yīng)用[J];西安交通大學(xué)學(xué)報(bào);2006年06期

4 韓俊英;劉成忠;;自適應(yīng)變異的果蠅優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2013年09期

5 劉悅婷;;帶有選擇和自適應(yīng)變異機(jī)制的混合蛙跳算法[J];計(jì)算機(jī)工程;2012年23期

6 陳世明;江冀海;鄭麗楠;聶森;;基于自適應(yīng)變異粒子群優(yōu)化算法的移動機(jī)器人路徑規(guī)劃[J];機(jī)床與液壓;2010年23期

7 朱永利;陳英偉;韓凱;王磊;;基于熵的自適應(yīng)變異的粒子群優(yōu)化算法[J];信息化縱橫;2009年10期

8 樸昌浩;王進(jìn);孫志華;湯彬彬;;自適應(yīng)變異比率控制在虛擬可重構(gòu)結(jié)構(gòu)中的應(yīng)用[J];高技術(shù)通訊;2010年04期

9 張陸游;張永順;楊云;;基于混沌自適應(yīng)變異粒子群優(yōu)化的解相干算法[J];電子與信息學(xué)報(bào);2009年08期

10 陽春華;谷麗姍;桂衛(wèi)華;;自適應(yīng)變異的粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2008年16期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 易燕;周暉;肖琦;;自適應(yīng)變異參數(shù)控制硬件進(jìn)化[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（3）[C];2008年

2 高憲文;張大勇;;熵極大自適應(yīng)變異粒子群優(yōu)化算法及其應(yīng)用[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 靳文輝;自適應(yīng)變異量子粒子群優(yōu)化算法及其應(yīng)用研究[D];江南大學(xué);2008年

，

本文編號：532550