一种融合遗传算法和粒子群算法的改进模糊C-均值算法
针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法.遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数；粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力.最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性.
模糊C-均值、有效性准则、遗传算法、粒子群算法
20
O159(代数、数论、组合理论)
国家自然科学基金资助项目71173202;国家自然科学基金青年科学基金资助项目71103163;教育部人文社会科学研究青年基金资助项目10YJC790071;中央高校基本科研业务费专项资金资助项目CUG110411
2012-06-26（万方平台首次上网日期，不代表论文的发表时间）
共6页
728-733
