基于GASA-FCM混合聚类与霍夫变换的欠定混合矩阵估计

发布时间：2023-04-22 15:47

　　针对模糊C-均值聚类(fuzzy C-means clustering,FCM)算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点,提出一种基于遗传模拟退火优化FCM(GASA-FCM)混合聚类和霍夫变换的欠定混合矩阵估计算法。该算法结合了模拟退火算法(simulated annealing algorithm,SA)全局搜索、高精度的优点和遗传算法(genetic algorithm,GA)强大的空间搜索能力,将经遗传模拟退火算法得到的聚类中心点赋给FCM,避免了初值选择的随机性。再利用霍夫变换对聚类得到的每一类数据的中心进行修正,提高混合矩阵的估计精度。实验结果表明,该算法明显改善了算法的稳定性和混合矩阵估计精度,具有一定的有效性和可行性。

【文章页数】：5 页

【文章目录】：
0 引言
1 基于信号稀疏性的欠定混合矩阵估计
2 基于GASAFCM的混合聚类算法
    2.1 模糊C-均值聚类
    2.2 遗传模拟退火算法
    2.3 基于GASA-FCM的混合聚类算法
3 霍夫变换修正聚类中心
4 实验仿真与分析
    4.1 混合矩阵评价准则
    4.2 实验仿真与分析
5 结束语



本文编号：3797941