首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 93 毫秒
1.
把免疫系统的免疫信息处理机制引入到粒子群优化(PSO)算法中,并与模糊C均值(FCM)算法相结合提出一种新的模糊聚类算法.新算法用免疫粒子群优化算法代替FCM算法的基于梯度下降的迭代过程,使算法具有较强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷,同时也降低了FCM算法对初始值的敏感度.采用对当基思想初始化种群,获得更优的初始候选解,提高算法聚类过程中的收敛速度.以UCI机器学习数据库中的两组数据集为研究对象,实验结果表明,该算法优于基于PSO的模糊C均值聚类算法和FCM算法.  相似文献   

2.
针对FCM算法不足,提出一种改进的模糊聚类算法:基于遗传算法(GA)与粒子群优化算法(PSO)并行的模糊聚类算法.实验结果表明,该算法比单基于GA或者PSO的模糊聚类有较好分类正确率与稳定性,有效克服了传统FCM算法对初值敏感和易陷入局部极小值的问题.  相似文献   

3.
利用改进的自适应粒子群优化算法(APSO)较强全局寻优、快速收敛的特点和模糊C-均值算法(FCM)对初始值敏感、容易陷入局部最优的缺点,提出一种基于自适应粒子群优化算法的模糊聚类算法(APFM)。新算法有效的克服了FCM算法的缺点,同时增强了APSO算法全局搜索和跳出局部最优的能力。实验表明:新算法与单一的FCM和APSO算法相比聚类更准确,效率更高。  相似文献   

4.
文章阐述了模糊C-均值聚类算法(FCM)原理及存在的缺点,通过将粒子群优化算法思想应用到模糊聚类算法中,对模糊聚类算法进行了优化设计.实验证明,改进的算法具有较好的全局最优解,克服了传统模糊C聚类算法的不足,聚类效果优于单一使用FCM算法.  相似文献   

5.
基于APSO的模糊聚类算法   总被引:1,自引:0,他引:1  
利用改进的自适应粒子群优化算法(APSO)较强全局寻优、快速收敛的特点和模糊C-均值算法(FCM)对初始值敏感、容易陷入局部最优的缺点.提出一种基于自适应粒子群优化算法的模糊聚类算法(APFM).新算法有效的克服了FCM算法的缺点,同时增强了APSO算法全局搜索和跳出局部最优的能力.实验表明:新算法与单一的FCM和APSO算法相比聚类更准确,效率更高.  相似文献   

6.
一种基于遗传算法的模糊聚类   总被引:21,自引:0,他引:21  
对模糊c均值聚类算法(FCM算法)进行了讨论,说明FCM算法一般得不到全局最优分类,因此结合FCM算法提出了用遗传算法进行寻优求解,从而将遗传算法用于模糊聚类分析,最后的实例表明,遗传算法在处理多样本、多属性、多类别问题时,是一种有效的方法。  相似文献   

7.
基于模糊聚类的粒子群优化算法   总被引:3,自引:0,他引:3  
粒子群优化算法(PSO)的基础上,提出了基于模糊C-均值聚类(FCM)算法的粒子群优化算法.该算法在每次迭代过程中首先通过FCM算法把粒子群体分成若干个子群体,然后粒子群中的粒子根据其个体极值和子群中的最优粒子更新自己的速度和位置值.通过典型复杂函数测试表明,基于模糊C-均值(FCM)的粒子群优化算法的优化性能和效率远远超过基本粒子群优化算法.  相似文献   

8.
把QPSO算法与模糊c-均值(FCM)算法相结合提出一种混合模糊聚类算法(QPSO—FCM),将FCM算法中基于梯度下降的迭代过程用新算法进行替代,能够在一定程度上克服FCM算法易陷入局部极小的缺陷,降低FCM算法的初值敏感度.通过典型的Wine的数据实验结果证明,改进后的新算法具有良好的收敛性,聚类效果也有一定的改善.  相似文献   

9.
提出了一种基于模糊C均值算法和生物地理学优化算法的混合聚类算法(BBO-FCM).该算法结合了生物地理学优化算法的全局搜索和FCM算法快速局部搜索的特点,利用生物地理中的迁移算子来进行各解之间的信息共享,从而有效地克服了FCM对初始值敏感、易陷入局部最优等问题.将BBO-FCM算法用于图像分割,实验表明,新算法的聚类效果评价指数更好,聚类效果明显优于原始的FCM算法.  相似文献   

10.
基于PSO和加权FCM的图像分割算法   总被引:1,自引:0,他引:1  
结合PSO算法和加权FCM算法(WFCM)的优势,提出一种新的图像分割算法--基于PSO和加权FCM的图像分割算法(PWF).算法通过PSO进行全局寻优,克服了单纯FCM算法的对初始值敏感及对噪声数据敏感,容易陷入局部最优的缺点,能够找到全局最优的模糊划分,实现模糊聚类图像分割.实验利用了加权二维直方图的WFCM算法,考虑像素间的空间信息,改善了图像分割效果.  相似文献   

11.
基于人工免疫粒子群优化算法的动态聚类分析   总被引:1,自引:0,他引:1  
模糊C-均值聚类算法受初始化影响较大,在迭代时容易陷入局部极小值。将粒子群优化算法与模糊G-均值聚类算法相结合,提出一种新颖的动态聚类算法。该算法利用人工免疫思想改进粒子群优化过程,在很大程度上避免了粒子群算法和聚类算法早熟现象的发生,全局搜索能力和局部搜索能力优于同类算法。利用聚类理论中的经验规则kmax≤√n确定聚类数k的搜索范围,在最优粒子基础上进化新一级种群,该方案可有效提高算法的收敛速度。两组数据的仿真实验表明,新算法优于传统模糊C-均值聚类算法,具有收敛速度快和解的精度高的特点。  相似文献   

12.
为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。  相似文献   

13.
微粒群优化算法(PSO)是一种有效的随机全局优化技术.文章针对利用微粒群优化算法进行多极值点的函数优化时,存在陷入局部极小点和搜索效率低的问题,把信籁域搜索技术引入到PSO算法中,提出了基于信籁域搜索的微粒群优化算法(TRPSO).该算法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度.仿真计算结果表明,该算法的性能优于混沌微粒群优化算法(CPSO)和基本微粒群优化算法(PSO).  相似文献   

14.
卫星云图云分类的一种综合优化聚类方法   总被引:2,自引:0,他引:2       下载免费PDF全文
为了改进和提高目前卫星云图云分类中客观性、定量性和自动化程度的不足,运用遗传算法(GA)全局寻优、模糊C均值聚类(FCM)局部寻优、模糊减法聚类(FSC)客观估算聚类数等优势互补的思想和途径,进行卫星云图的云分类判别。试验结果表明,综合优化方法(FSC-GA-FCM)的云分类效果明显优于单一的FCM和GA算法,可有效弥补FCM和GA算法在云分类中存在的不足,可运用于实况云图的云分类客观、自动判别。  相似文献   

15.
多时段是间歇过程的固有特征,对间歇过程划分阶段可以提高故障诊断的精度。采用模糊C-均值聚类(FCM)算法划分阶段存在对初始聚类中心敏感、易于陷入局部极优值的问题。提出遗传算法与FCM算法相结合的方法(GA-FCM),用于克服FCM易于陷入局部极优值的问题,以达到全局最优。同时,针对间歇过程数据不等长问题,提出自适应动态时间规整(DTW)算法。随后,用GA-FCM方法完成阶段划分,再建立多向核主元分析(MKPCA)模型完成故障检测。最后将此算法应用于青霉素发酵过程,仿真结果验证了所提方法的可行性和有效性。  相似文献   

16.
基于遗传和粒子群结合的文化算法   总被引:1,自引:0,他引:1  
针对粒子群优化(PSO)算法的"早熟"现象,给出了基于遗传和粒子群结合的文化演化算法.该算法将PSO/GA纳入文化算法框架,形成PSO的主群体空间和GA的信仰群体空间,两群体空间可以独立并行演化,并在适当的时机实现信仰群体空间对主群体空间的引导,达到改善粒子群优化算法全局搜索能力、提高计算精度的目的.仿真表明,该算法的优化性能和效率优于PSO算法、GA算法和GA-PSO混合算法.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号