一种带混合进化机制的膜聚类算法

发布时间：2018-04-13 12:51

本文选题：膜计算 + P系统　；参考：《软件学报》2015年05期

【摘要】：膜计算(也称为P系统或膜系统)是一种新颖的分布式、并行计算模型.为了处理数据聚类问题,提出了一种采用混合进化机制的膜聚类算法.它使用了一个由3个细胞组成的组织P系统,为一个待聚类的数据集发现最优的簇中心.其对象表示候选的簇中心,并且这3个细胞分别使用了3种不同的进化机制:遗传算子、速度-位移模型和差分进化机制.然而,所使用的速度-位移模型和差分进化机制是结合了这个特殊膜结构和转运机制所提出的改进版本.这种混合进化机制能够增强系统中对象的多样性和改善收敛性能.在混合进化机制和转运机制控制下,这种膜聚类算法能够确定一个数据集的良好划分.所提出的膜聚类算法在3个人工数据集和5个真实数据集上被评估,并与k-means和几种进化聚类算法进行比较.统计显著性测试建立了所提出的膜聚类算法的优势.
[Abstract]:Membrane computing (also called P system or membrane system) is a novel distributed parallel computing model.In order to deal with the problem of data clustering, a membrane clustering algorithm based on hybrid evolutionary mechanism is proposed.It uses a tissue P system consisting of three cells to find the optimal cluster center for a data set to be clustered.The objects represent the candidate cluster centers, and the three cells use three different evolutionary mechanisms: genetic operator, velocity-displacement model and differential evolution mechanism.However, the velocity-displacement model and the differential evolution mechanism are proposed to combine this particular membrane structure with the transport mechanism.This hybrid evolutionary mechanism can enhance the diversity of objects in the system and improve the convergence performance.Under the control of hybrid evolutionary mechanism and transport mechanism, this membrane clustering algorithm can determine the good partition of a dataset.The proposed membrane clustering algorithm is evaluated on three artificial data sets and five real data sets, and compared with k-means and several evolutionary clustering algorithms.Statistical significance test established the advantages of the proposed membrane clustering algorithm.
【作者单位】：西华大学无线电管理技术研究中心;西华大学电气信息学院;Research
【基金】：国家自然科学基金(61170030) 教育部春晖计划(Z2012031) 四川省科技支撑计划(2013GZX0155)
【分类号】：TP38;TP311.13

【共引文献】