计算机仿真
計算機倣真
계산궤방진
COMPUTER SIMULATION
2010年
9期
177-180
,共4页
高颖%王修亮%陆旭青%殷允锋
高穎%王脩亮%陸旭青%慇允鋒
고영%왕수량%륙욱청%은윤봉
粒子群优化的可能性均值%可能性均值%模糊均值%聚类算法
粒子群優化的可能性均值%可能性均值%模糊均值%聚類算法
입자군우화적가능성균치%가능성균치%모호균치%취류산법
可能性C均值算法(PCM)是为了克服模糊C均值算法对噪声的敏感性而提出来的,但是它也存在一些缺陷,如易陷入局部最优,对初始条件敏感,导致聚类结果一致性等问题.针对以上问题,通过引进粒子群算法对其进行改进可以有效地避免这些问题,即提出了基于粒子群优化的可能性C均值聚类算法(PSO-PCM).基于粒子群优化的可能性C均值聚类方法首先对编码过的数据点进行优化,然后对该方法产生的中心点进行聚类,在聚类的过程中根据适应度函数再进行调节.通过对给定数据集的聚类测试,结果表明,基于粒子群优化的可能性C均值聚类方法在收敛速度和全局寻优能力等方面有较大的改进.
可能性C均值算法(PCM)是為瞭剋服模糊C均值算法對譟聲的敏感性而提齣來的,但是它也存在一些缺陷,如易陷入跼部最優,對初始條件敏感,導緻聚類結果一緻性等問題.針對以上問題,通過引進粒子群算法對其進行改進可以有效地避免這些問題,即提齣瞭基于粒子群優化的可能性C均值聚類算法(PSO-PCM).基于粒子群優化的可能性C均值聚類方法首先對編碼過的數據點進行優化,然後對該方法產生的中心點進行聚類,在聚類的過程中根據適應度函數再進行調節.通過對給定數據集的聚類測試,結果錶明,基于粒子群優化的可能性C均值聚類方法在收斂速度和全跼尋優能力等方麵有較大的改進.
가능성C균치산법(PCM)시위료극복모호C균치산법대조성적민감성이제출래적,단시타야존재일사결함,여역함입국부최우,대초시조건민감,도치취류결과일치성등문제.침대이상문제,통과인진입자군산법대기진행개진가이유효지피면저사문제,즉제출료기우입자군우화적가능성C균치취류산법(PSO-PCM).기우입자군우화적가능성C균치취류방법수선대편마과적수거점진행우화,연후대해방법산생적중심점진행취류,재취류적과정중근거괄응도함수재진행조절.통과대급정수거집적취류측시,결과표명,기우입자군우화적가능성C균치취류방법재수렴속도화전국심우능력등방면유교대적개진.
