基于量子行為微粒群優(yōu)化算法的數(shù)據(jù)聚類.pdf

1、聚類算法在數(shù)據(jù)分析，數(shù)據(jù)挖掘等許多地方有廣泛的應(yīng)用，該文探索了基于量子行為的微粒群優(yōu)化算法(QPSO)及FCM的數(shù)據(jù)聚類。 首先，在分析PSO聚類、QPSO算法聚類的基礎(chǔ)上，使用一種新的距離度量方法進(jìn)行聚類，實(shí)驗(yàn)證明了新的度量方法比Euclidean標(biāo)準(zhǔn)更具有健壯性，聚類的結(jié)果更精確。在此基礎(chǔ)上使用QPSO算法進(jìn)行數(shù)據(jù)聚類，實(shí)驗(yàn)結(jié)果證明了QPSO算法優(yōu)于PSO算法。QPSO算法不僅參數(shù)個數(shù)少，隨機(jī)性強(qiáng)，并且能覆蓋所有解空間，保證

2、算法的全局收斂。 其次，在QPSO算法中，收縮.擴(kuò)張系數(shù)對于QPSO中的單個粒子的收斂來說是一個至關(guān)重要的參數(shù)，提出了一種新的聚類算法——適應(yīng)性的基于量子行為的微粒群優(yōu)化算法的數(shù)據(jù)聚類(AQPSO)。AQPSO在全局搜索能力和局部搜索能力上優(yōu)于PSO和QPSO算法，它的適應(yīng)性方法比較接近于高水平智能群體的社會有機(jī)體的學(xué)習(xí)過程，并且能保證種群不斷地進(jìn)化。 最后，本文針對模糊C均值(FCM)聚類算法存在的缺點(diǎn)，利用量子粒子群

3、優(yōu)化(QPSO)算法的全局搜索能力，提出了一種新的聚類算法——基于量子粒子群優(yōu)化的FCM聚類算法(QPSO—FCM)。QPSO—FCM算法先對隨機(jī)初始點(diǎn)利用QPSO進(jìn)行優(yōu)化，然后利用產(chǎn)生的中心點(diǎn)進(jìn)行聚類。新算法可以降低FCM算法對初始點(diǎn)的敏感度，一定程度上避免了FCM算法易陷入局部極優(yōu)的缺陷。幾組數(shù)據(jù)實(shí)驗(yàn)結(jié)果表明，與FCM和PSO—FCM算法相比，本文提出的QPSO—FCM算法聚類結(jié)果更可靠。繼續(xù)在QPSO中使用新的距離公式與FCM相結(jié)