量子粒子群优化改进的模糊C均值聚类算法

被引：4

作者：

李引

毛力

须文波

机构：

[1] 江南大学物联网工程学院,轻工过程先进控制教育部重点实验室

来源：

计算机工程与应用 | 2012年 / 48卷 / 35期

关键词：

聚类分析; 模糊C-均值(FCM); 量子粒子群(QPSO); 新距离标准;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对模糊C-均值(FCM)聚类算法对初始聚类中心选择敏感,易陷入局部最优的问题,提出一种量子粒子群优化改进的模糊C均值聚类算法。该算法引入的基于新距离标准的量子粒子群(AQPSO)算法不仅可以降低初始点敏感度,较快地收敛到最优解,而且能够提高全局搜索能力。仿真实验证明,该融合算法在摆脱局部最优区域,保证收敛速度同时使得聚类效果较好。

引用

页码：151 / 155+173 +173

页数：6

共 4 条

[1] 基于量子粒子群优化的网络入侵检测算法 [J].