新的混合模糊C-均值聚类算法

新的混合模糊C-均值聚类算法
王浩;王秀友;陈蕴
【期刊名称】《计算机工程与设计》
【年(卷),期】2008(029)004
【摘要】基于量子行为的粒子群算法(QPSO)是一种改进的粒子群优化算法.它使用的参数个数少,在解的收敛性和全局搜索能力上优于基本的粒子群算法(PSO).将QPSO算法与模糊C-均值(FCM)算法相结合提出一种新的混合模糊C-均值聚类算法(QPSO-FCM),新算法代替了FCM算法的基于梯度下降的迭代过程,在一定程度上克服了FCM算法易陷入局部极小的缺陷,降低了FCM算法的初值敏感度.实验结果表明,改进后的新算法与FCM算法和PSO与FCM结合算法相比,具有良好的收敛性,聚类效果也有较好的改善.
【总页数】4页(P917-919,922)
【作者】王浩;王秀友;陈蕴
【作者单位】阜阳师范学院计算机系,安徽,阜阳,236032;安徽大学计算机科学与技术学院,安徽,合肥,230039;阜阳师范学院计算机系,安徽,阜阳,236032;安徽大学计算机科学与技术学院,安徽,合肥,230039;阜阳师范学院计算机系,安徽,阜阳,236032【正文语种】中文
【中图分类】TP18
【相关文献】
1.基于混合遗传模拟退火的模糊C-均值聚类算法 [J], 殷旅江;杨立君;胡明茂;邓义成
2.遗传+模糊C-均值混合聚类算法 [J], 陈金山;韦岗
3.动态权值混合C-均值模糊核聚类算法 [J], 王亮;王士同
4.基于连续域混合蚁群优化的核模糊C-均值聚类算法研究 [J], 郭小芳;李锋;宋晓宁;王卫东
5.基于核模糊C-均值和EM混合聚类算法的遥感图像分割 [J], 王民;张鑫;贠卫国;卫铭斐;王静
因版权原因，仅展示原文概要，查看原文内容请购买。