资源描述：
《基于粒子群优化的模糊核聚类方法》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、第43卷第6期上海交通大学学报Vol.43No.62009年6月JOURNALOFSHANGHAIJIAOTONGUNIVERSITYJun.2009文章编号:1006-2467(2009)06-0935-05基于粒子群优化的模糊核聚类方法12杨广全,朱昌明(1.中国铁道科学研究院运输及经济研究所,北京100081;2.上海交通大学机械与动力工程学院,上海200240)摘要:针对模糊核聚类对初始值敏感、易陷入局部最优的缺点,提出了基于粒子群优化的模糊核聚类方法.该方法根据聚类准则设计适应度函数,利用粒子群优化算法对聚类中心进
2、行优化,在迭代优化过程中设计了梯度下降法加快算法的收敛速度,并引入变异机制增强粒子群的多样性.仿真实验及在水轮机转轮叶片裂纹源定位中的应用验证了算法的可行性和有效性.关键词:聚类分析;模糊核聚类;粒子群优化算法;梯度下降法中图分类号:TP391.4文献标识码:AParticleSwarmOptimizationAlgorithmBasedFuzzyKernelClusteringMethod12YANGGuang-quan,ZHUChang-ming(1.Transport&EconomicsResearchInstitut
3、e,ChinaAcademyofRailwaySciences,Beijing100081,China;2.SchoolofMechanicalEngineering,ShanghaiJiaotongUniversity,Shanghai200240,China)Abstract:Toovercomethedrawbacksoffuzzykernelclusteringmethodsensitivetotheinitialclustercen-tersandeasytobetrappedintolocalminima,the
4、fuzzykernelclusteringmethodbasedonparticleswarmoptimizationwasproposed.Theproposedmethoddesignsthefitnessfunctionaccordingtotheclusteringprincipleandutilizestheparticleswarmoptimizationtooptimizetheclustercenters.Duringtheprocedureoftheiterations,thegradientdescent
5、operatorisdesignedtoacceleratetheconvergentspeedandthemuta-tionoperatortoimprovethediversityofparticleswarm.Thesimulationexperimentsandthecracksourcelocationinturbinebladesverifythefeasibilityandeffectivenessoftheproposedmethod.Keywords:clusteranalysis;fuzzykernelc
6、lustering;particleswarmoptimization;gradientdescent聚类分析是用来揭示和刻画数据内在结构的一结构聚类;º对噪声及野值数据极为敏感;»聚类个工具,其在模式识别、数据分析和挖掘、图像处理性能依赖于聚类中心初始值,易陷入局部最优解.[1,2]等领域获得了广泛应用.在聚类分析方法中,K-模糊核C-均值算法(KFCM)是FCM的核化版均值算法和模糊C-均值算法(FCN)应用普遍,其聚类本,一定程度上克服了对数据内在形状分布的依赖,的基础在于欧氏空间中样本与其聚类中心的距离度能对不同形状
7、分布数据正确聚类,而且克服了对噪量样本相似性.虽然K-均值算法和FCN应用广泛,声及野值数据的敏感,增强了算法鲁棒性.但KF-[2]但存在一些缺点:¹仅适用于球状或椭球状数据CM与K-均值和FCM一样,其聚类性能具有依赖收稿日期:2008-07-13作者简介:杨广全(1977-),男,陕西渭南市人,博士,主要从事信息融合与数据挖掘、铁路货物装载加固技术研究.电话(Tel.):010-51874056;E-mail:yanggq212@163.com.936上海交通大学学报第43卷于聚类中心初始值的缺点.针对KFCM对初始值n
8、-2+xk-x+R=E(6)敏感、易陷入局部最优的缺点,本文提出了一种基于k=1n粒子群优化的模糊核聚类方法(PSOKFCM).该方n-xkx=E法根据聚类准则设计适应度函数,利用粒子群优化k=1n算法对聚类中心进行优化,在迭代优化过程中设计通过Lagrange乘子法对式(4)求解,可得1
