人工蜂群优化模糊聚类研究及应用

发布时间：2017-11-19 00:22

  本文关键词：人工蜂群优化模糊聚类研究及应用

  更多相关文章： 人工蜂群算法 模糊 可能性聚类 核函数

【摘要】：大数据时代,各行各业都积累了海量复杂无规则的数据,其中蕴含了潜在知识和信息能够有效地帮助人们进行模式分类压缩、风险趋势预测、决策分析。为了深层理解和充分利用这些海量复杂数据,挖掘其中的潜在价值信息,急切需要一种方式—聚类分析来帮助人们探索这些数据。模糊聚类分析作为无监督分析数据、理解数据认知事物的重要手段,由于引入模糊集合和模糊数学的思想建立了样本数据与类别之间的不确定性描述,更适合处理现实中不完全,不精确,没有明显边界的聚类问题。模糊聚类虽然能够准确描述和表示现实中的聚类问题,但模糊聚类算法通常对初始值敏感,算法全局寻优能力差,容易陷入局最优解从而对聚类结果产生一定的影响。因此将基本模糊聚类算法与现代智能优化算法结合,利用其独特的全局寻优特性解决模糊聚类算法在初始值和全局寻优方面的难题,逐渐成为模糊聚类研究的发展趋势。本文将具有独特全局局部寻优能力的人工蜂群算法与模糊聚类相结合进行研究,主要的研究内容和创新点如下：本文首先介绍了模糊聚类的研究背景和意义,发展过程与研究现状,并仔细分析了模糊聚类算法中存在的主要难题和发展趋势。同时研究和介绍了模糊集合,模糊聚类的数学模型、模糊聚类的基本算法,并给出了一般聚类问题的具体实现过程。其次针对基本人工蜂群算法后期收敛速度慢,容易陷入局部最优解的问题,将模拟退火的思想引入人工蜂群算法贪婪寻优过程,提出了基于模拟退火的人工蜂群算法。其核心思想是在采蜜蜂和跟随蜂邻域搜索接受新解的过程中,对于比当前解差的新解,采用模拟退火机制仍然以一定的概率选择接受,这样在一定程度上增加了全局寻优的机率,从而避免陷入局部最优解。通过高维函数的实验测试,验证了基于模拟退火的人工蜂群算法优良的全局寻优特性和收敛性。第三本文结合PFCM、UPC、可能性熵提出了可能性模糊熵聚类算法,并用全局人工蜂群算法优化提出的模型,通过在UCI标准数据集上的实验测试,验证了算法的可行性和聚类的有效性,最后将提出的模型应用于变压器故障检测分析当中,充分说明了算法的优良的聚类性能和实际应用价值。最后本文在PFECM的基础上通过引入高斯核函数,提出了基于高斯核方法的可能性模糊熵聚类算法。其主要通过高斯核函数将原低维空间的样本数据映射到高维特征空间,扩大样本在各个维度上的特征差异,从而有效地解决传统聚类算法在处理高维、非线性可分,非凸结构数据时聚类算法性能不稳定的问题。并通过在人造数据集和标准测试数据集验证了算法的性能。
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP311.13

【相似文献】

中国期刊全文数据库 前10条

1 杨瑾;申普兵;周淑华;;基于模糊聚类的攻击预警[J];通信技术;2008年12期

2 张峰;吴钦章;任国强;;一种模糊聚类的快速算法[J];贵州大学学报(自然科学版);2009年03期

3 胡伟轩,翁良科,郑小年,周永萱;发声器件的模糊聚类[J];华中工学院学报;1987年03期

4 林景荣;一种以秩和为因子的模糊聚类预报法[J];福州大学学报(自然科学版);1988年03期

5 许本辉;用电脑进行模糊聚类分析的研究[J];电脑开发与应用;1997年04期

6 黄凤岗,孙文彦,宋克欧;模糊聚类网中多对一映射的实现[J];哈尔滨工程大学学报;1998年02期

7 双凯,董守平;粒子成像测速图像的模糊聚类识别[J];石油大学学报(自然科学版);2000年06期

8 王艳玮,樊其瑾,彭炎午;基于模糊聚类的产品合理子装配划分[J];机械科学与技术;2001年02期

9 张晓杰;;实现工程结构构件模糊聚类归并的冗余聚类筛除法[J];计算机辅助设计与图形学学报;2006年02期

10 王纬;王妍;黄山;;模糊聚类功能实现[J];科技创新导报;2007年36期

中国重要会议论文全文数据库 前10条

1 张春月;李晓奇;;基于SPSS的模糊聚类分析[A];第七届中国不确定系统年会论文集[C];2009年

2 朱辉;李在铭;;基于模糊聚类的图像阀值处理方法及其在医学中的应用[A];第十届全国信号处理学术年会（CCSP-2001）论文集[C];2001年

3 朱枝琳;;基于模糊聚类的城市功能区划分研究[A];2006年浙江省测绘学会工程测量专业委员会论文评审和讨论工程测量发展趋势会议论文集[C];2006年

4 李扬;谢春雪;赵小囡;李红;;基于模糊聚类的方法评定学生的学习状态[A];创新沈阳文集（B）[C];2009年

5 李仲来;;模糊聚类与系统聚类的结合分析[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

6 李小平;焦李成;;信息颗粒在数据模糊聚类中的应用与构造[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年

7 王建伟;谢永强;;基于遗传模糊聚类的异常检测方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

8 杜赵群;于伟东;;服装面料风格的模糊聚类研究[A];2005现代服装纺织高科技发展研讨会论文集[C];2005年

9 李俊花;刘文白;孙昭晨;崔莉;;基于半模糊聚类的长输管道泄漏监测[A];2007年中国智能自动化会议论文集[C];2007年

10 丁力行;阮秀英;邓玉艳;;基于，

本文编号：1201696