基于遺傳算法的模糊聚類技術(shù)的研究.pdf

1、在模糊聚類分析中，模糊c-均值算法(FCM)可以說是應(yīng)用最為廣泛、最為靈敏的一種算法。但是它的一個(gè)致命弱點(diǎn)就是對(duì)初始化非常敏感而容易陷入局部極小值，而遺傳算法是一種應(yīng)用廣泛的全局優(yōu)化方法，它的主要優(yōu)點(diǎn)是簡單、通用、魯棒性強(qiáng)和適合并行處理，因此把遺傳算法與FCM結(jié)合起來，既能發(fā)揮遺傳算法的全局尋優(yōu)能力，又可以兼顧FCM的局部尋優(yōu)能力，同時(shí)可提高收斂速度，從而更好地解決聚類問題。 本文主要對(duì)遺傳算法與FCM算法相結(jié)合的混合聚類算法進(jìn)

2、行了研究，提出了改進(jìn)的遺傳模糊聚類算法(GFGA)，來提高收斂速度并改善分類效果。首先，本文使用把聚類中心作為染色體的浮點(diǎn)數(shù)編碼方式，這樣既能使大數(shù)據(jù)集的編碼過程得到簡化，又能減少整個(gè)算法的運(yùn)算量；第二方面，為了保證每一代的進(jìn)化過程中當(dāng)前最優(yōu)個(gè)體不會(huì)被遺傳操作所破壞，所以在進(jìn)行選擇時(shí)采用最優(yōu)保存策略與比例法相結(jié)合的混合選擇算子；第三方面，在交叉操作中，為了減少無意義個(gè)體的產(chǎn)生，先對(duì)配對(duì)個(gè)體進(jìn)行了基于最短距離的基因匹配，然后再運(yùn)用算術(shù)交叉

3、來增強(qiáng)遺傳算法的局部搜索能力；最后，為了提高收斂速度，在每一代遺傳操作結(jié)束之前對(duì)要進(jìn)入下一代的群體進(jìn)行了FCM優(yōu)化，使搜索最優(yōu)解的速度明顯加快。本文還運(yùn)用MATLAB進(jìn)行了仿真實(shí)驗(yàn)，來證明GFGA在大數(shù)據(jù)集及圖像邊緣檢測中都能得到良好的應(yīng)用。 此外，本文還在GFGA算法的基礎(chǔ)上，提出了基于遺傳算法的快速模糊聚類算法(GMRFCM)，這種算法實(shí)際上是一種基于遺傳算法的多階段隨機(jī)取樣的模糊c-均值聚類算法，它通過多階段過程在整個(gè)數(shù)據(jù)