基于混沌和自适应变异的粒子群聚类算法研究

发布时间：2017-07-08 01:16

  本文关键词：基于混沌和自适应变异的粒子群聚类算法研究

  更多相关文章： 粒子群算法 Kmeans算法 混沌 自适应变异

【摘要】：针对粒子群聚类算法(PSO-Kmeans)所存在的种群随机初始化遍历性差、线性惯性权重调整策略收敛效果差、粒子易陷入早熟收敛、等距点影响聚类精确度以及处理大量数据时性能不足等问题,提出了1种混沌和自适应变异的粒子群聚类算法,通过无限折叠混沌映射初始化、非线性惯性权重调整、基于变异参数的自适应t分布变异以及比较等距点周围趋向性等策略,对PSO-Kmeans算法进行改进,并实现了算法的并行化。实验结果表明,改进算法可以有效地避免早熟收敛,聚类精度要优于Kmeans算法和PSO-Kmeans算法,而且在处理大量数据时能有效提高算法的时间性能。
【作者单位】： 武警工程大学研究生管理大队;武警工程大学信息工程系;
【关键词】： 粒子群算法 Kmeans算法 混沌 自适应变异
【基金】：国家自然科学基金资助项目(61402529) 陕西省自然科学基础研究计划项目(2015JQ6266)
【分类号】：TP18;TP311.13
【正文快照】： 聚类(clustering)是1个将已知数据集中具有相似特性的数据划分成不同类的过程[1]。聚类算法根据数据归入类时所依据条件的不同,分为划分、层次、密度、网格以及模型等类型[2-3],其中的K-means算法是最为常用的聚类算法之一。但传统的K-means算法存在着收敛速度慢以及处理海量

【相似文献】

中国期刊全文数据库 前10条

1 张兴华;潘宏侠;;一种带有自适应变异的双种群优化算法[J];机械管理开发;2012年03期

2 易燕;沈云;王开云;;在内部演化硬件中实现自适应变异参数控制[J];云南大学学报(自然科学版);2007年S1期

3 高海昌;冯博琴;侯芸;朱利;;自适应变异的混合粒子群优化策略及其应用[J];西安交通大学学报;2006年06期

4 韩俊英;刘成忠;;自适应变异的果蝇优化算法[J];计算机应用研究;2013年09期

5 刘悦婷;;带有选择和自适应变异机制的混合蛙跳算法[J];计算机工程;2012年23期

6 陈世明;江冀海;郑丽楠;聂森;;基于自适应变异粒子群优化算法的移动机器人路径规划[J];机床与液压;2010年23期

7 朱永利;陈英伟;韩凯;王磊;;基于熵的自适应变异的粒子群优化算法[J];信息化纵横;2009年10期

8 朴昌浩;王进;孙志华;汤彬彬;;自适应变异比率控制在虚拟可重构结构中的应用[J];高技术通讯;2010年04期

9 张陆游;张永顺;杨云;;基于混沌自适应变异粒子群优化的解相干算法[J];电子与信息学报;2009年08期

10 阳春华;谷丽姗;桂卫华;;自适应变异的粒子群优化算法[J];计算机工程;2008年16期

中国重要会议论文全文数据库 前2条

1 易燕;周晖;肖琦;;自适应变异参数控制硬件进化[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

2 高宪文;张大勇;;熵极大自适应变异粒子群优化算法及其应用[A];2007中国控制与决策学术年会论文集[C];2007年

中国硕士学位论文全文数据库 前1条

1 靳文辉;自适应变异量子粒子群优化算法及其应用研究[D];江南大学;2008年

，

本文编号：532550