基于特征加权的FCM聚类与PSO算法结合的应用

发布时间：2017-09-15 21:22

  本文关键词：基于特征加权的FCM聚类与PSO算法结合的应用

  更多相关文章： 模糊C均值聚类 粒子群优化 加权欧氏距离 惯性权重

【摘要】：近年来,模糊聚类分析被广泛应用于各类学科研究当中,是一种重要的研究方法。在很多诸如经济财务、生命科学、医学诊断、商业管理、地质天文等领域中,均受到相当地重视,特别是在多变量分析以及图像识别中,扮演着举足轻重的角色。其中,模糊C均值(Fuzzy C-means,FCM)聚类由于其简易的过程和显著的有效性,成为了最受欢迎的模糊聚类方法。然而,模糊C均值聚类方法不免也有其弱点:FCM方法对于初始化聚类原型(或划分矩阵)特别敏感而易陷于局部最优,并且传统的FCM算法忽视了不同特征的不同贡献。基于以上问题,我们希望寻求改进。在众多的演化算法中,粒子群优化(Particle swarm optimization,PSO)算法由于其良好的普适性和比较简易的过程而受到青睐,成为最受欢迎的演化算法。PSO算法是一种多维随机搜索和加速进行全局优化的演化算法,被应用于很多领域进行优化。在此算法中,惯性权重的选取是决定算法性能优劣的关键。在这篇文章中,我们对粒子群算法的惯性权重及学习因子等参量进行了适配处理,使其动态地不断被修正,并且针对模糊C均值算法不考虑不同特征的影响差异的缺陷,对样本采用了一种特征加权的处理。最终将这种算法与含有适配参数的粒子群优化算法有机地结合在一起,产生一个新的结合算法,进而着力弥补传统FCM算法的不足,以得到更好的聚类结果。最后,我们将算法运用到真实数据上,通过实验的结果,来说明所提出的算法相较于传统算法的优越性。
【关键词】：模糊C均值聚类 粒子群优化 加权欧氏距离 惯性权重
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F224
【目录】：

• 摘要4-5
• ABSTRACT5-10
• 第一章 绪论10-13
• 1.1 研究背景和研究目的10
• 1.2 相关内容的研究现状10-11
• 1.3 本文的主要内容和结构11-13
• 第二章 基本理论和方法13-26
• 2.1 聚类分析的介绍13-16
• 2.1.1 聚类分析的数学模型13-14
• 2.1.2 聚类分析的相似性度量14-15
• 2.1.3 聚类分析的分类15-16
• 2.2 模糊理论16-18
• 2.2.1 模糊集合16-17
• 2.2.2 模糊关系17-18
• 2.3 模糊聚类18-20
• 2.3.1 模糊聚类的数学模型18-19
• 2.3.2 模糊聚类的方法19-20
• 2.4 模糊C-均值聚类算法20-23
• 2.4.1 模糊C均值聚类（FCM）算法的介绍20-21
• 2.4.2 模糊C均值聚类（FCM）算法的具体步骤21-23
• 2.5 基于特征加权的模糊C-均值聚类算法23-26
• 2.5.1 基于特征加权的模糊C均值聚类（WFCM）算法的思路23
• 2.5.2 模糊 C 均值聚类（WFCM）算法的具体步骤23-26
• 第三章 粒子群优化算法26-31
• 3.1 标准粒子群优化算法26-28
• 3.1.1 粒子群优化（PSO）算法的基本概念26-27
• 3.1.2 惯性权重w的选取27-28
• 3.2 改进的粒子群优化算法28-31
• 3.2.1 改进的粒子群优化算法的介绍28-29
• 3.2.2 改进的粒子群优化算法的具体步骤29-31
• 第四章 基于特征加权的FCM算法与PSO算法的结合31-38
• 4.1 算法结合的基本思路31-33
• 4.2 改进的PSO算法与WFCM算法的结合33-38
• 4.2.1 结合算法的介绍33
• 4.2.2 结合算法的具体步骤33-38
• 第五章 算法在实验中的应用及分析38-41
• 5.1 实验的步骤38-39
• 5.1.1 数据的标准化38
• 5.1.2 实验操作38-39
• 5.2 实验结果比较与分析39-41
• 总结41-42
• 参考文献42-44
• 附录44-53
• 致谢53

【相似文献】

中国期刊全文数据库 前10条

1 ;曼罗兰PSO工厂认证大获成功[J];印刷质量与标准化;2008年02期

2 董根源;温步瀛;江岳文;;考虑发电机报价曲线的发电计划偏差的β-PSO优化方法研究[J];电力自动化设备;2006年07期

3 王洪波;;基于PSO优化SVM的建筑企业核心竞争力评价[J];经营管理者;2012年05期

4 ;悉尼一印刷厂成为世界首家通过PSO认证的企业[J];印刷质量与标准化;2010年08期

5 李世龙;刘涛;;基于改进PSO方法的保障性住房选址策略模型[J];计算机工程与应用;2013年16期

6 程妤,刘洪岩;大型集群项目的PSO分析——世博会工程项目的研究[J];建筑施工;2005年02期

7 王海珍;彭梅香;;基于SA的PSO自动化仓库拣选作业路径优化方法[J];制造业自动化;2011年09期

8 方智;许国根;;PSO算法在应急选址中的应用[J];中国高新技术企业;2009年18期

9 令狐佳;;PSO优化神经网络模型在物流突发需求估计中的应用[J];物流技术;2013年17期

10 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 王坤坤;尹怡欣;;基于一种改进PSO的移动机器人路径规划[A];2006年首届ICT大会信息、知识、智能及其转换理论第一次高峰论坛会议论文集[C];2006年

2 李丽;薛冰;牛奔;;基于改进PSO算法的投资组合问题研究[A];第十二届中国管理科学学术年会论文集[C];2010年

3 徐t，

本文编号：858962