基于改進(jìn)粒子群算法的C-均值聚類(lèi)算法研究.pdf

1、聚類(lèi)是一個(gè)古老的問(wèn)題，它伴隨著人類(lèi)社會(huì)的產(chǎn)生和發(fā)展而不斷深化，人類(lèi)要認(rèn)識(shí)世界就必須區(qū)別不同的事物并認(rèn)識(shí)事物間的相似性，而每個(gè)概念的最初形成無(wú)不借助于事物的聚類(lèi)分析。因此，聚類(lèi)分析的研究不僅具有重要的理論意義，也具有重要的工程應(yīng)用價(jià)值和人文價(jià)值。傳統(tǒng)的C-均值聚類(lèi)算法思想簡(jiǎn)單，易于實(shí)現(xiàn)，而且運(yùn)行速度快，內(nèi)存消耗小，能有效地處理大數(shù)據(jù)集，是目前最常用的聚類(lèi)算法之一。但是它們存在兩個(gè)主要的缺點(diǎn)：對(duì)初始劃分矩陣敏感和容易陷入局部極小值。

2、 為了解決上述問(wèn)題，本文研究了基于改進(jìn)粒子群算法的C-均值聚類(lèi)算法。首先對(duì)粒子群算法做了部分改進(jìn)，將加速系數(shù)的取值和慣性權(quán)重結(jié)合起來(lái)，提出了一種具有沿折線(xiàn)先增后減慣性權(quán)重的粒子群算法，可以從理論上保證該粒子群算法的收斂性。然后將這一改進(jìn)的粒子群算法引入到C-均值聚類(lèi)算法中，以增加隸屬度矩陣的初始化多樣性，解決C-均值聚類(lèi)算法對(duì)初值的敏感問(wèn)題，避免算法容易陷入局部極小值。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性，實(shí)驗(yàn)比較結(jié)果表明，該算法比單一使用C-