人工蜂群優(yōu)化模糊聚類研究及應(yīng)用.pdf

1、大數(shù)據(jù)時(shí)代，各行各業(yè)都積累了海量復(fù)雜無規(guī)則的數(shù)據(jù)，其中蘊(yùn)含了潛在知識(shí)和信息能夠有效地幫助人們進(jìn)行模式分類壓縮、風(fēng)險(xiǎn)趨勢預(yù)測、決策分析。為了深層理解和充分利用這些海量復(fù)雜數(shù)據(jù)，挖掘其中的潛在價(jià)值信息，急切需要一種方式—聚類分析來幫助人們探索這些數(shù)據(jù)。
　　模糊聚類分析作為無監(jiān)督分析數(shù)據(jù)、理解數(shù)據(jù)認(rèn)知事物的重要手段，由于引入模糊集合和模糊數(shù)學(xué)的思想建立了樣本數(shù)據(jù)與類別之間的不確定性描述，更適合處理現(xiàn)實(shí)中不完全，不精確，沒有明顯邊界的聚

2、類問題。模糊聚類雖然能夠準(zhǔn)確描述和表示現(xiàn)實(shí)中的聚類問題，但模糊聚類算法通常對初始值敏感，算法全局尋優(yōu)能力差，容易陷入局最優(yōu)解從而對聚類結(jié)果產(chǎn)生一定的影響。因此將基本模糊聚類算法與現(xiàn)代智能優(yōu)化算法結(jié)合，利用其獨(dú)特的全局尋優(yōu)特性解決模糊聚類算法在初始值和全局尋優(yōu)方面的難題，逐漸成為模糊聚類研究的發(fā)展趨勢。本文將具有獨(dú)特全局局部尋優(yōu)能力的人工蜂群算法與模糊聚類相結(jié)合進(jìn)行研究，主要的研究內(nèi)容和創(chuàng)新點(diǎn)如下:
　　本文首先介紹了模糊聚類的研究

3、背景和意義，發(fā)展過程與研究現(xiàn)狀，并仔細(xì)分析了模糊聚類算法中存在的主要難題和發(fā)展趨勢。同時(shí)研究和介紹了模糊集合，模糊聚類的數(shù)學(xué)模型、模糊聚類的基本算法，并給出了一般聚類問題的具體實(shí)現(xiàn)過程。
　　其次針對基本人工蜂群算法后期收斂速度慢，容易陷入局部最優(yōu)解的問題，將模擬退火的思想引入人工蜂群算法貪婪尋優(yōu)過程，提出了基于模擬退火的人工蜂群算法。其核心思想是在采蜜蜂和跟隨蜂鄰域搜索接受新解的過程中，對于比當(dāng)前解差的新解，采用模擬退火機(jī)制仍然

4、以一定的概率選擇接受，這樣在一定程度上增加了全局尋優(yōu)的機(jī)率，從而避免陷入局部最優(yōu)解。通過高維函數(shù)的實(shí)驗(yàn)測試，驗(yàn)證了基于模擬退火的人工蜂群算法優(yōu)良的全局尋優(yōu)特性和收斂性。
　　第三本文結(jié)合PFCM、UPC、可能性熵提出了可能性模糊熵聚類算法，并用全局人工蜂群算法優(yōu)化提出的模型，通過在UCI標(biāo)準(zhǔn)數(shù)據(jù)集上的實(shí)驗(yàn)測試，驗(yàn)證了算法的可行性和聚類的有效性，最后將提出的模型應(yīng)用于變壓器故障檢測分析當(dāng)中，充分說明了算法的優(yōu)良的聚類性能和實(shí)際應(yīng)用價(jià)