基于遗传算法的高维数据模糊聚类

被引：2

作者：

王宝文 ^{[1
]}

阎俊梅 ^{[1
]}

刘文远 ^{[1
]}

石岩 ^{[2
]}

机构：

[1] 燕山大学信息学院

[2] 日本九州东海大学工程学院信息系统工程系

来源：

计算机工程与应用 | 2007年 / 16期

关键词：

模糊聚类; 模糊非相似矩阵; 遗传算法; 高维数据;

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：

提出了一种基于遗传算法的高维数据模糊聚类方法。引入了一个模糊非相似矩阵来表示高维样本之间的非相似程度,并将高维样本初始化到二维平面。利用遗传算法进行迭代优化二维样本的坐标值,实现二维样本之间的欧氏距离向样本间的模糊非相似度的趋近,使高维样本映射到二维平面。最后将得到的最优的二维样本利用模糊C-均值聚类(FCM)算法聚类,克服了聚类有效性对高维样本空间分布的依赖。实验仿真表明利用该方法有较好的聚类效果,且比用FCM算法直接聚类收敛速度快。

引用

页码：191 / 192+221 +221

页数：3