基于二次网格优化的粒子群模糊聚类算法

发布时间：2021-01-30 00:38

　　针对模糊C均值聚类算法易受初始聚类中心影响且收敛速度慢的缺陷,提出一种基于二次网格优化的粒子群模糊聚类算法Grid-PFcm。该算法首先将数据空间网格化,依据深度优先遍历规则,连通相邻密集网格单元,计算连通网格的相对密度,选取相对密度值最大的连通网格,计算中心位置,初始化聚类中心。然后,按照基于网格空间的单维向量变化原理,实现最佳粒子全局寻优,进一步优化初始聚类中心,以降低初始聚类中心选取对聚类效果的影响度。最后,通过实验表明,该算法能够加快寻优收敛速度,提高聚类效率和效果。 

【文章来源】：计算机工程与科学. 2019,41(02)北大核心

【文章页数】：9 页

【文章目录】：
1 引言
2 相关基础知识
    2.1 相关公式定义
    2.2 FCM算法
        2.2.1 FCM算法原理
        2.2.2 FCM算法流程
        2.2.3 FCM算法评价
    2.3 PSO算法
        2.3.1 PSO算法
        2.3.2 惯性权重ω
        2.3.3 学习因子c′1, c′2影响度
        2.3.4 粒子群规模p影响度
        2.3.5 最大速度vmax影响度
3 PSO-FCM算法
    3.1 PSO-FCM算法确定聚类数目
    3.2 PSO-FCM 算法步骤
    3.3 PSO-FCM算法粒子速度解析
4 基于二次网格优化的粒子群模糊聚类算法Grid-PFcm
    4.1 算法思路分析
    4.2 算法步骤
    4.3 核心算法简要描述
PFcm算法复杂性及实际意义">    4.4 Grid_PFcm算法复杂性及实际意义
PFcm算法优缺点分析">    4.5 Grid_PFcm算法优缺点分析
5 实验结果与分析
    5.1 实验环境
    5.2 实验数据对比分析
    5.3 收敛速度对比分析
    5.4 实验效率对比分析
    5.5 实验效果对比分析
6 结束语



本文编号：3007900