基于粒子群优化算法的模糊C-均值聚类

基于粒子群优化算法的模糊C-均值聚类

张利彪, 周春光, 马铭, 刘小华, 孙彩堂

(吉林大学计算机科学与技术学院, 长春 130012)

收稿日期:2005-04-29 修回日期:1900-01-01 出版日期:2006-03-26 发布日期:2006-03-26
通讯作者: 周春光

Fuzzy C-Mean Clustering Based on Particle Swarm Optimization

ZHANG Li-biao, ZHOU Chun-guang, MA Ming, LIU Xiao-hua, SUN Cai-tang

(College of Computer Science and Technology, Jilin University, Changchun 130012, China)

Received:2005-04-29 Revised:1900-01-01 Online:2006-03-26 Published:2006-03-26
Contact: ZHOU Chun-guang

摘要/Abstract

摘要： 利用粒子群优化（PSO）算法全局寻优、快速收敛的特点, 结合模糊C均值（FCM）算法提出一种新的模糊聚类算法. 新算法用PSO算法代替了FCM算法的基于梯度下降的迭代过程, 使算法具有很强的全局搜索能力, 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. 实验结果表明, 与FCM相比本文算法聚类更为准确, 效率更高.

关键词: 粒子群优化算法, 模糊聚类, 模糊C均值算法

Abstract: A novel fuzzy clustering algorithm which uses the merits of the global optimizing and higher convergent speed of Particle Swarm Opt imization(PSO) algorithm and combines with Fuzzy C-means(FCM) is proposed. The iteration process is replaced by the PSO based on the gradient descent of FCM, which makes the algorithm have a strong global searching capacity and avoids the local minimum problems of FCM. At the same time, FCM is no longer a large degree dependent on the initialization values. Numerical experiments show that the proposed algorithm is more accurate and efficient than FCM.

Key words: particle swarm optimization algorithm, fuzzy clustering, fuzzy C-means algorithm

中图分类号:

TP18

张利彪, 周春光, 马铭, 刘小华, 孙彩堂. 基于粒子群优化算法的模糊C-均值聚类[J]. J4, 2006, 44(02): 217-222.

ZHANG Li-biao, ZHOU Chun-guang, MA Ming, LIU Xiao-hua, SUN Cai-tang. Fuzzy C-Mean Clustering Based on Particle Swarm Optimization[J]. J4, 2006, 44(02): 217-222.

[1]	于生宝, 房钰, 高丽辉, 刁庶. 基于改进粒子群优化算法的可控发射电流频率SHEPWM控制方法[J]. 吉林大学学报(理学版), 2020, 58(5): 1207-1214.
[2]	袁开银, 王峰. 基于指标选择和加权融合的无线传感器网络安全风险评估[J]. 吉林大学学报(理学版), 2020, 58(4): 937-943.
[3]	金晓民, 张丽萍, 李慧静. 控制活动轮廓演化的快速图像分割方法[J]. 吉林大学学报(理学版), 2020, 58(3): 639-644.
[4]	史肖冰, 郭德贵, 曹捷. 基于自适应Hata模型的无线电发射源定位方法[J]. 吉林大学学报(理学版), 2020, 58(1): 109-112.
[5]	郭玉洁, 张强, 袁和平. 一种双种群协同多目标粒子群优化算法及应用[J]. 吉林大学学报(理学版), 2019, 57(5): 1155-1162.
[6]	刘良凤, 刘三阳. 基于权重差异度的动态模糊聚类算法[J]. 吉林大学学报(理学版), 2019, 57(3): 574-582.
[7]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[8]	张淑华, 李平. 基于组合智能算法的无线网络信道分配机制[J]. 吉林大学学报(理学版), 2019, 57(1): 139-144.
[9]	杨雪, 董红斌, 董宇欣. 改进的量子粒子群优化算法对多维多选择背包问题的求解[J]. 吉林大学学报(理学版), 2018, 56(6): 1461-1468.
[10]	王宏志, 姜方达, 周明月. 基于粒子群优化的认知无线电功率分配算法[J]. 吉林大学学报(理学版), 2018, 56(6): 1483-1487.
[11]	晁妍, 王诗兵, 王慧玲. 基于奇异值分解和粒子群优化算法的图像水印算法[J]. 吉林大学学报(理学版), 2018, 56(5): 1163-1169.
[12]	刘洋. 基于改进粒子群优化算法的图像分割[J]. 吉林大学学报(理学版), 2018, 56(4): 959-964.
[13]	楼国红, 张剑平. 粒子群算法修正测距的无线传感器网络节点定位[J]. 吉林大学学报(理学版), 2018, 56(3): 650-656.
[14]	莫才健, 武锋强, 陈莉, 邹强. 基于量子粒子群算法选择特征的遥感图像分类[J]. 吉林大学学报(理学版), 2018, 56(2): 368-374.
[15]	梁晔, 郝洁, 石蕊. 基于小波神经网络的数字信号调制方式识别[J]. 吉林大学学报(理学版), 2018, 56(2): 382-388.