基于QPSO優(yōu)化的聚類(lèi)算法研究.pdf_第1頁(yè)
已閱讀1頁(yè)，還剩62頁(yè)未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明：本文檔由用戶(hù)提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、聚類(lèi)分析作為數(shù)據(jù)挖掘十分重要的技術(shù)，已應(yīng)用到模式識(shí)別、閣像處理、生物計(jì)算等各領(lǐng)域。本文研究一種改進(jìn)的量子粒子群優(yōu)化(Quantum-behaved Particle Swarm Op丨imization，QPSO)算法，并以此優(yōu)化K均值(K-mean&Clus丨ering)算法、模糊C均值(Fuzzy C-Means Clustering,FCM)算法和核模糊C均值算法(Kernel-Based Fuzzy C-Means Cluste

2、ring,KFCM)。
　　QPSO算法雖然全局搜索能力優(yōu)于粒子群算法，但與其他算法一樣存在早熟的趨勢(shì)。為了減少這種情況的發(fā)生，本文提出了一種改進(jìn)的QPSO算法，并用4個(gè)benchmark函數(shù)實(shí)驗(yàn)對(duì)改進(jìn)后算法的有效性進(jìn)行驗(yàn)證。
　　K均值、FCM算法、KFCM算法雖然有著各自的優(yōu)點(diǎn)：K均值算法思想簡(jiǎn)單易操作；FCM算法數(shù)學(xué)功底深厚、運(yùn)算速度快；KFCM算法善于處理非線性聚類(lèi)問(wèn)題，但這三個(gè)算法有著共同的缺點(diǎn)：對(duì)初始值要求髙、對(duì)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間，僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論