基于粒子群算法的模糊聚類研究.pdf

1、廣西師范大學(xué)碩士學(xué)位論文基于粒子群算法的模糊聚類研究姓名：程燦申請學(xué)位級別：碩士專業(yè)：計算機(jī)軟件與理論指導(dǎo)教師：張超英20080401廣西師范大學(xué)碩士學(xué)位論文II望能得到更好的聚類效果在對基本粒子群算法的改進(jìn)策略上本文做了如下考慮由于基本的粒子群算法也有陷入局部極值點(diǎn)和在進(jìn)化的后期收斂速度變慢等缺點(diǎn)因此需要對它進(jìn)行改進(jìn)來防止粒子早熟跳出局部極值點(diǎn)比較有效的方法就是增加粒子的多樣性為此本文從兩個角度來加強(qiáng)粒子間的多樣性差異分別是增加變異操

2、作和將粒子群分成兩個子群進(jìn)行獨(dú)立進(jìn)化具體來說第一種改進(jìn)方法是在標(biāo)準(zhǔn)粒子群算法的基礎(chǔ)上增加了變異操作而該變異操作內(nèi)部又包含了兩種不同的變異操作這兩種變異操作以不同的概率運(yùn)行第二種改進(jìn)方法是將整個粒子群劃分為二個數(shù)量不等的子種群每個子種群內(nèi)部又分別采用獨(dú)立的粒子群進(jìn)化在對粒子群算法進(jìn)行改進(jìn)之后再用粒子群算法的進(jìn)化過程去替代FCM算法局部尋優(yōu)的迭代過程其中在對粒子群算法中適應(yīng)度函數(shù)的選取上利用了FCM算法的聚類準(zhǔn)則函數(shù)這樣就使得整個算法過程具

3、有很強(qiáng)的全局搜索能力很大程度上改善了FCM算法易陷入局部極小的缺陷同時相對于FCM算法粒子群算法對初始值不太敏感其中依據(jù)對粒子群算法的改進(jìn)方法的不同將上述兩種聚類算法分別命名為基于改進(jìn)粒子群的模糊聚類算法FCMP和基于多種群粒子群的模糊聚類算法FCMSP本文將這兩種改進(jìn)算法分別用于兩個數(shù)據(jù)集中其中FCMP操作起來較簡單對第一個數(shù)據(jù)集的聚類效果較好FCMSP在第二個數(shù)據(jù)集中也達(dá)到很好的聚類效果但相對來講操作過程較為復(fù)雜通過兩個實(shí)驗(yàn)證明與基