基于改进PSO的自适应FCM聚类算法

发布时间：2017-11-09 06:19

  本文关键词：基于改进PSO的自适应FCM聚类算法

  更多相关文章： 改进粒子群优化算法 自适应 早熟 后期震荡

【摘要】：针对传统模糊C-均值(fuzzy C-means,FCM)聚类算法存在对初始聚类中心选取的敏感性问题,提出一种基于改进粒子群优化(particle swarm optimization,PSO)算法的FCM聚类算法。为进一步提高PSO算法的全局寻优能力,探讨了一种基于自适应惯性因子的改进粒子群算法,该算法不仅优化了全局寻优能力和局部搜索能力,而且也有效解决了早熟现象并避免了后期震荡现象。实验结果表明,将改进PSO用于FCM聚类算法中可以克服对初始中心点选择的敏感性问题,拥有较高的全局寻优能力,聚类精度方面也得到了进一步提升。
【作者单位】： 南京邮电大学计算机学院;南京邮电大学江苏省无线传感网高技术研究重点实验室;
【基金】：国家自然科学基金(61373017,61402241,61472192,61572260,61572261) 江苏省科技支撑计划(BE2015702)资助项目
【分类号】：TP18;TP311.13
【正文快照】： 2.南京邮电大学江苏省无线传感网高技术研究重点实验室,江苏南京()210003聚类分析简称聚类[1],是一个把数据对象划分成子集的过程。每一个子集是一个簇,使得簇中对象彼此相似,但与其他簇中的对象不相似。与传统硬性聚类方法不同,模糊C-均值(fuzzy C-means,FCM)聚类算法[2]运用

【相似文献】

中国期刊全文数据库 前10条

1 李岩;孙劲光;张新君;;一种基于FCM聚类的图像快速分割算法研究[J];计算机与信息技术;2008年03期

2 孙炜;吕辉;白剑林;;一种基于改进FCM聚类联合概率数据关联算法[J];电光与控制;2010年08期

3 杜长海;黄席樾;杨祖元;邓天民;詹建平;;改进的FCM聚类在交通时段自动划分中的应用[J];计算机工程与应用;2009年24期

4 吕晓云;李星毅;施化吉;;基于约简数据集的FCM聚类算法[J];计算机工程与设计;2010年18期

5 石海霞;叶水生;;FCM聚类算法中模糊加权指数m的优化[J];计算机应用与软件;2009年05期

6 王兴;冯子亮;;基于自适应初始值的FCM聚类图像分割[J];计算机技术与发展;2010年03期

7 李乐;嵇成新;王春雨;;基于ART神经网络的FCM聚类多目标跟踪方法[J];舰船电子对抗;2010年02期

8 陈龙;郭宝龙;孙伟;;基于FCM聚类的粒子滤波多目标跟踪算法[J];仪器仪表学报;2011年11期

9 吴海娟;沈明霞;彭增起;王卫;陈士进;刘超超;梁林;;基于改进型FCM聚类算法的彩色牛肉图像中筋膜区域分割方法研究[J];食品科学;2012年19期

10 吴央;袁运能;;基于小波包分解和FCM聚类的纹理图像分割方法[J];北京航空航天大学学报;2008年05期

中国硕士学位论文全文数据库 前3条

1 曾俊杰;KNN分类和FCM聚类中相似性度量的研究[D];西华大学;2015年

2 邓晓晖;基于NSCT和FCM聚类的SAR图像分割[D];华南理工大学;2011年

3 许江浩;FCM聚类算法在测井相分析中的应用研究[D];成都理工大学;2012年

，

本文编号：1160650