基于免疫機(jī)制的模糊聚類方法的研究.pdf

1、本文針對(duì)經(jīng)典聚類算法對(duì)初值敏感和易陷入局部極小值的問題,借鑒免疫細(xì)胞從不成熟到成熟,進(jìn)而轉(zhuǎn)變?yōu)橛洃浖?xì)胞和抗體這一基本原理來指導(dǎo)數(shù)據(jù)對(duì)象聚類,提出了一種基于人工免疫細(xì)胞模型的C-均值聚類算法。該算法一方面以親和力為評(píng)判標(biāo)準(zhǔn)的二重選擇法,力求所選個(gè)體更具代表性：另一方面,通過引入一種自適應(yīng)變異策略對(duì)選出的個(gè)體進(jìn)行變異操作,提高計(jì)算效率；并根據(jù)抗體濃度抑制原理選擇最佳抗體組合,以達(dá)到優(yōu)化的目的。在整個(gè)尋優(yōu)過程中,充分利用免疫記憶機(jī)制,保存優(yōu)秀

2、個(gè)體,替換較差個(gè)體,保證算法的良性進(jìn)化。通過與遺傳指導(dǎo)算法(GGA)和人工免疫C-均值算法進(jìn)行比較,初步顯示新算法有利于提高其獲得全局最優(yōu)解的概率,在精度方面也有很好表現(xiàn)。 在上述工作的基礎(chǔ)上,本文進(jìn)一步研究了基于免疫粒子群優(yōu)化的聚類算法。針對(duì)粒子群優(yōu)化算法和傳統(tǒng)聚類算法易產(chǎn)生“早熟”現(xiàn)象的不足,把人工免疫系統(tǒng)的免疫信息進(jìn)化處理機(jī)制引入到粒子群優(yōu)化算法(PSO)中,提出一種基于免疫進(jìn)化粒子群的動(dòng)態(tài)聚類算法。算法中粒子適應(yīng)度的高低

3、有效表明粒子所對(duì)應(yīng)分類方案下聚類效果的優(yōu)劣,在此基礎(chǔ)上選擇部分粒子進(jìn)行多點(diǎn)均勻突變；初始聚類數(shù)遵循經(jīng)驗(yàn)規(guī)則kmax≤√n(n為空間樣本數(shù)),并以性能代價(jià)函數(shù)為評(píng)判標(biāo)準(zhǔn)逐級(jí)遞減尋找最優(yōu)k值,實(shí)現(xiàn)動(dòng)態(tài)聚類。仿真實(shí)驗(yàn)證明,將具有較強(qiáng)全局尋優(yōu)能力的PSO與局部搜索能力較強(qiáng)的免疫進(jìn)化機(jī)制相結(jié)合,可以提高它們各自處理問題的能力,避免“早熟”現(xiàn)象,同時(shí)使收斂精度較粒子群聚類明顯提高。 通過理論分析和實(shí)驗(yàn)論證,我們可以認(rèn)識(shí)到利用免疫思想改進(jìn)聚類