基于遺傳算法的模糊聚類技術的研究.pdf

1、在模糊聚類分析中，模糊c-均值算法(FCM)可以說是應用最為廣泛、最為靈敏的一種算法。但是它的一個致命弱點就是對初始化非常敏感而容易陷入局部極小值，而遺傳算法是一種應用廣泛的全局優(yōu)化方法，它的主要優(yōu)點是簡單、通用、魯棒性強和適合并行處理，因此把遺傳算法與FCM結(jié)合起來，既能發(fā)揮遺傳算法的全局尋優(yōu)能力，又可以兼顧FCM的局部尋優(yōu)能力，同時可提高收斂速度，從而更好地解決聚類問題。 本文主要對遺傳算法與FCM算法相結(jié)合的混合聚類算法進

2、行了研究，提出了改進的遺傳模糊聚類算法(GFGA)，來提高收斂速度并改善分類效果。首先，本文使用把聚類中心作為染色體的浮點數(shù)編碼方式，這樣既能使大數(shù)據(jù)集的編碼過程得到簡化，又能減少整個算法的運算量；第二方面，為了保證每一代的進化過程中當前最優(yōu)個體不會被遺傳操作所破壞，所以在進行選擇時采用最優(yōu)保存策略與比例法相結(jié)合的混合選擇算子；第三方面，在交叉操作中，為了減少無意義個體的產(chǎn)生，先對配對個體進行了基于最短距離的基因匹配，然后再運用算術交叉

3、來增強遺傳算法的局部搜索能力；最后，為了提高收斂速度，在每一代遺傳操作結(jié)束之前對要進入下一代的群體進行了FCM優(yōu)化，使搜索最優(yōu)解的速度明顯加快。本文還運用MATLAB進行了仿真實驗，來證明GFGA在大數(shù)據(jù)集及圖像邊緣檢測中都能得到良好的應用。 此外，本文還在GFGA算法的基礎上，提出了基于遺傳算法的快速模糊聚類算法(GMRFCM)，這種算法實際上是一種基于遺傳算法的多階段隨機取樣的模糊c-均值聚類算法，它通過多階段過程在整個數(shù)據(jù)