基于類電磁機制的聚類算法研究.pdf

1、聚類是將一組對象根據一定的原則分成若干類的過程。在結果中，相同類中對象的相似度較高，不同類間對象的相似度較低。聚類分析是機器學習的一個重要組成部分，已經被廣泛地應用在市場研究、語音識別、故障檢驗、圖像處理和數據壓縮等領域中。K-means是一個常用的聚類算法，它是一種基于中心的聚類方法。該算法實現簡單、運行效率高、收斂速度快，適合處理大型的數據集合。但是它對初始值敏感，容易陷入局部最優(yōu)解，從而產生早熟現象。
　　本文在深入分析K-

2、means及其改進算法的基礎上，引入了全局優(yōu)化領域中的類電磁機制（EM）啟發(fā)方法，然后結合K-means的性能函數，設計了一種新的聚類算法——類電磁機制聚類算法（EMC）。為使初始中心均勻分布，提出了一種基于最大距離積原則的初始中心選取方法；為使EM算法符合聚類問題的要求，調整了電荷量和合力的計算公式；為提高搜索性能和收斂速度，引入了自適應的移動步長算子，并結合這一算子改進了局部搜索和粒子移動過程。
　　實驗結果表明，與K-mea