基于改進人工蜂群算法的模糊聚類研究.pdf

1、分類號!P3窆!UDC碩士學(xué)位論文基于改進人工蜂群算法的模糊聚類研究姚洪曼論文答辯日期2Q!魚生Q5旦!墨目學(xué)位授予日期2Q!魚生Q魚月3Q目基于改進人工蜂群算法的模糊聚類研究摘要隨著互聯(lián)網(wǎng)相關(guān)技術(shù)的高速發(fā)展，數(shù)據(jù)量以指數(shù)級增長。如何從這些海量數(shù)據(jù)中獲得有社會價值和商業(yè)價值的信息成為當(dāng)前急需解決的問題之一。聚類分析是指在無先驗知識的情況下，利用合適的聚類算法將數(shù)據(jù)劃分為若干聚簇，發(fā)現(xiàn)其中的未知特征和知識。模糊聚類算法對模式間關(guān)系的描述更

2、符合現(xiàn)實，因此成為當(dāng)前一個重要的研究焦點之一。常用的模糊C均值(FCM)聚類算法是一種基于目標函數(shù)的算法，它把聚類問題描述成為一個帶約束的數(shù)學(xué)函數(shù)優(yōu)化問題，通過求解數(shù)學(xué)問題獲得數(shù)據(jù)對象的模糊劃分。FCM算法具有模型簡單、易編程實現(xiàn)、復(fù)雜度低、聚類效果好等優(yōu)點，并且成功應(yīng)用到機器視覺、圖像處理等領(lǐng)域。然而聚類結(jié)果過度依賴于初始聚類中心，而且容易陷入局部極小值。人工蜂群優(yōu)化算法源于對自然界中蜜蜂群體的覓食過程的模擬，具有并行性、所需參數(shù)少、

3、魯棒性強等優(yōu)點。針對人工蜂群算法存在的過早收斂、求解精度低以及后期收斂慢等缺點，提出了基于改進搜索策略和混沌機制的人工蜂群(ABC—SC)算法。在此算法中，利用歷史平均最優(yōu)解對搜索方向進行正向引導(dǎo)，平衡算法的探索和搜索能力；若進化出現(xiàn)停滯，采用混沌機制對個體的若干維進行變異，保持群體多樣性。用ABCSC算法對六個基準函數(shù)進行優(yōu)化實驗，結(jié)果分析證實，ABC。SC算法比基本ABC算法以及其他改進ABC算法求得的解更接近最優(yōu)值、求解速度更快。