基于QPSO優(yōu)化的聚類算法研究.pdf

1、聚類分析作為數(shù)據(jù)挖掘十分重要的技術(shù)，已應(yīng)用到模式識(shí)別、閣像處理、生物計(jì)算等各領(lǐng)域。本文研究一種改進(jìn)的量子粒子群優(yōu)化(Quantum-behaved Particle Swarm Op丨imization，QPSO)算法，并以此優(yōu)化K均值(K-mean&Clus丨ering)算法、模糊C均值(Fuzzy C-Means Clustering,FCM)算法和核模糊C均值算法(Kernel-Based Fuzzy C-Means Cluste

2、ring,KFCM)。
　　QPSO算法雖然全局搜索能力優(yōu)于粒子群算法，但與其他算法一樣存在早熟的趨勢。為了減少這種情況的發(fā)生，本文提出了一種改進(jìn)的QPSO算法，并用4個(gè)benchmark函數(shù)實(shí)驗(yàn)對改進(jìn)后算法的有效性進(jìn)行驗(yàn)證。
　　K均值、FCM算法、KFCM算法雖然有著各自的優(yōu)點(diǎn)：K均值算法思想簡單易操作；FCM算法數(shù)學(xué)功底深厚、運(yùn)算速度快；KFCM算法善于處理非線性聚類問題，但這三個(gè)算法有著共同的缺點(diǎn)：對初始值要求髙、對