量子粒子群优化改进的模糊C均值聚类算法_李引

《量子粒子群优化改进的模糊C均值聚类算法_李引》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用2012，48（35）151量子粒子群优化改进的模糊C均值聚类算法李引，毛力，须文波LIYin,MAOLi,XUWenbo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，江苏无锡214122KeyLabofAdvancedProcessControlforLightIndustry（MinistryofEducation）,SchoolofInternetofThingsEngi-neering,JiangnanUniversity,Wuxi,Jiangsu214122,ChinaLIY

2、in,MAOLi,XUWenbo.ResearchofimprovedfuzzyC-meansalgorithmbasedonquantum-behaviorparticleswarmoptimization.ComputerEngineeringandApplications,2012,48（35）：151-155.Abstract：FuzzyC-Means（FCM）clusteringalgorithmhastheshortcomingsofbeingsensitivetotheinitialclustercentersandbeingtrappedbylocaloptima

3、,Toresolvetwodisadvantages,thispaperproposesanovelclusteringmethodusingQuantum-behaviorParticleSwarmOptimization（AQPSO）tooptimizetheimprovedFCMclusteringalgorithm（AF-AQ-AF）,AQPSOalgorithmisintroducedbasedonanewmetricstandardwhichcanlowertheinfluenceofinitializeddatapoints,quicklyconvergetothe

4、optimalsolutionandimprovetheglobalsearchability.Dataexperimentalresultsshowtheproposedalgorithmavoidsenteringlocalminimum,enhancestheconvergencerateandgetsabetterresultofclustering.Keywords：clusteranalysis;FuzzyC-Means（FCM）;Quantum-behaviorParticleSwarmOptimization（QPSO）;newmetricstandard摘要：针

5、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。关键词：聚类分析；模糊C-均值（FCM）；量子粒子群（QPSO）；新距离标准文献标识码：A中图分类号：TP18doi：10.3778/j.issn.1002-8331.1204-03921引言立的算法都有其优缺点，在目前没有一个通用算法聚类分析是将数据对

6、象按一定标准划分到不同能达到聚类能力强，执行效率高，参数设置简单等效的类或者簇中，使得属于同簇的数据对象相似度尽果。因此很多研究人员根据具体情况分析提出将经[1-2]量高，而不同簇的数据对象相异性尽量大。聚类分典聚类算法融合，不仅能够克服各自的不足，而且析既可以作为独立的数据挖掘工具，也可以作为其提高算法的有效性。他数据挖掘算法的预处理步骤。在这个活跃的研究传统的聚类方法属于硬划分方法，即所研究的领域中，已经有大量的、经典的算法涌现，例如基于对象“非此即彼”，而由于科学技术、经济管理中的分划分的K-means和K-metdoids聚类算法、基于层次的类界限并不是很分明。为了使聚类

7、结果更加符合实[3]CURE和BIRCH聚类算法、基于密度的DBSCAN聚际要求，1974年Dunn将硬C-均值聚类算法和模糊类算法、基于群体智能的蚁群聚类算法等，每一种独数学理论结合提出了模糊C-均值（FCM）聚类算法，基金项目：轻工过程先进控制教育部重点实验室开放课题资助（江南大学）项目（No.APCLI1004）；国家青年科学基金项目资助（No.F030204）。作者简介：李引（1987—），女，硕士研究生，主要研究方向：数据挖掘、人工智能；毛力（1967—），男，副教授，