基于免疫粒子群优化的模糊C均值聚类算法

被引：4

作者：

韩琳

贺兴时

机构：

[1] 西安工程大学理学院

来源：

西安工程科技学院学报 | 2007年 / 03期

关键词：

粒子群优化算法; 模糊聚类; 模糊C均值算法; 免疫系统; 对当基;

D O I：

10.13338/j.issn.1674-649x.2007.03.017

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

把免疫系统的免疫信息处理机制引入到粒子群优化(PSO)算法中,并与模糊C均值(FCM)算法相结合提出一种新的模糊聚类算法.新算法用免疫粒子群优化算法代替FCM算法的基于梯度下降的迭代过程,使算法具有较强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷,同时也降低了FCM算法对初始值的敏感度.采用对当基思想初始化种群,获得更优的初始候选解,提高算法聚类过程中的收敛速度.以UCI机器学习数据库中的两组数据集为研究对象,实验结果表明,该算法优于基于PSO的模糊C均值聚类算法和FCM算法.

引用

页码：355 / 361

页数：7

共 5 条

[1] 基于粒子群优化算法的模糊C-均值聚类 [J].

张利彪 ;

周春光 ;

马铭 ;

刘小华 ;

孙彩堂 .

吉林大学学报(理学版), 2006, (02) :217-222

[2] 粒子群优化算法 [J].

李爱国 ;

覃征 ;

鲍复民 ;

贺升平 .

计算机工程与应用, 2002, (21) :1-3+17

[3] 整体退火遗传算法及其收敛充要条件 [J].

张讲社 ;

徐宗本 ;

梁怡 .

中国科学E辑:技术科学, 1997, (02) :154-164

[4]

Advances in theory and applications of fuzzy clustering[J] . Xinbo Gao,Weixin Xie.Chinese Science Bulletin . 2000 (11)

[5]

Fuzzy relation compositions and pattern recognition. LE Zkin. Journal of Information Science . 1996

← 1 →