基于粒子群的C均值聚類算法的研究.pdf

1、本文以數(shù)據(jù)挖掘算法中的C均值聚類算法為主要研究對象，在分析kmeans和FCM算法流程的基礎(chǔ)上，將粒子群算法用于kmeans算法中，提出基于粒子群的K均值算法，用大量隨機(jī)產(chǎn)生的數(shù)據(jù)和國際標(biāo)準(zhǔn)法分類數(shù)據(jù)中的IRIS數(shù)據(jù)來驗(yàn)證其有效性，并將這種算法與已有的基于遺傳算法的K均值算法進(jìn)行比較，實(shí)驗(yàn)證明本文的粒子群K均值聚類算法在收斂精度和穩(wěn)定性比遺傳K均值聚類算法要好。然后進(jìn)一步把粒子群算法和模糊C均值算法結(jié)合起來，用二階段法實(shí)現(xiàn)了更具有廣泛意

2、義的基于粒子群的模糊C均值算法，并與基于遺傳算法的模糊C均值算法進(jìn)行比較，實(shí)驗(yàn)證明本文提出的基本于粒子群的模糊C均值算法改善了FCM易于陷入局部最小值的問題，而且穩(wěn)定性比基于遺傳算法的模糊C聚類算法要好。本文的研究結(jié)果一定程度上解決了C均值聚類算法易陷入局部最小值和對初始值敏感的問題，提高C均值算法的收斂精度，在數(shù)據(jù)聚類中有很好的應(yīng)用效果。同時(shí)也是粒子群算法的一個(gè)新的嘗試，該研究將對粒子群算法的進(jìn)一步推廣和應(yīng)用有一定的參考價(jià)值，為進(jìn)一