基于改進(jìn)人工蜂群算法的模糊聚類研究.pdf

1、分類號(hào)!P3窆!UDC碩士學(xué)位論文基于改進(jìn)人工蜂群算法的模糊聚類研究姚洪曼論文答辯日期2Q!魚(yú)生Q5旦!墨目學(xué)位授予日期2Q!魚(yú)生Q魚(yú)月3Q目基于改進(jìn)人工蜂群算法的模糊聚類研究摘要隨著互聯(lián)網(wǎng)相關(guān)技術(shù)的高速發(fā)展，數(shù)據(jù)量以指數(shù)級(jí)增長(zhǎng)。如何從這些海量數(shù)據(jù)中獲得有社會(huì)價(jià)值和商業(yè)價(jià)值的信息成為當(dāng)前急需解決的問(wèn)題之一。聚類分析是指在無(wú)先驗(yàn)知識(shí)的情況下，利用合適的聚類算法將數(shù)據(jù)劃分為若干聚簇，發(fā)現(xiàn)其中的未知特征和知識(shí)。模糊聚類算法對(duì)模式間關(guān)系的描述更

2、符合現(xiàn)實(shí)，因此成為當(dāng)前一個(gè)重要的研究焦點(diǎn)之一。常用的模糊C均值(FCM)聚類算法是一種基于目標(biāo)函數(shù)的算法，它把聚類問(wèn)題描述成為一個(gè)帶約束的數(shù)學(xué)函數(shù)優(yōu)化問(wèn)題，通過(guò)求解數(shù)學(xué)問(wèn)題獲得數(shù)據(jù)對(duì)象的模糊劃分。FCM算法具有模型簡(jiǎn)單、易編程實(shí)現(xiàn)、復(fù)雜度低、聚類效果好等優(yōu)點(diǎn)，并且成功應(yīng)用到機(jī)器視覺(jué)、圖像處理等領(lǐng)域。然而聚類結(jié)果過(guò)度依賴于初始聚類中心，而且容易陷入局部極小值。人工蜂群優(yōu)化算法源于對(duì)自然界中蜜蜂群體的覓食過(guò)程的模擬，具有并行性、所需參數(shù)少、

3、魯棒性強(qiáng)等優(yōu)點(diǎn)。針對(duì)人工蜂群算法存在的過(guò)早收斂、求解精度低以及后期收斂慢等缺點(diǎn)，提出了基于改進(jìn)搜索策略和混沌機(jī)制的人工蜂群(ABC—SC)算法。在此算法中，利用歷史平均最優(yōu)解對(duì)搜索方向進(jìn)行正向引導(dǎo)，平衡算法的探索和搜索能力；若進(jìn)化出現(xiàn)停滯，采用混沌機(jī)制對(duì)個(gè)體的若干維進(jìn)行變異，保持群體多樣性。用ABCSC算法對(duì)六個(gè)基準(zhǔn)函數(shù)進(jìn)行優(yōu)化實(shí)驗(yàn)，結(jié)果分析證實(shí)，ABC。SC算法比基本ABC算法以及其他改進(jìn)ABC算法求得的解更接近最優(yōu)值、求解速度更快。