一种核模糊聚类改进及其在育肥猪出栏中应用.pdfVIP

第３０卷第１期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．１ ２０１３年１月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｊａｎ．２０１３ 一种核模糊聚类的改进及其在育肥猪出栏中的应用 王　越　黄靖华　张凯文 （重庆理工大学计算机科学与工程学院　重庆４０００５４） 摘　要　　核模糊聚类算法不适用于含孤立点与噪声点的数据，并且对初始化中心敏感。针对此种情况，结合减法聚类，对样本加 权，放宽隶属度归一化条件，提出基于减法聚类的加权核模糊聚类。通过ＩＲＩＳ和ＷＩＮＥ数据集证实改进算法比传统的核聚类算法 具有更高的健壮性与抗噪性，并将改进后的算法运用在育肥猪出栏中，验证了算法的实用性与可行性。 关键词　　核模糊聚类　减法聚类　加权　育肥猪出栏 中图分类号　ＴＰ３９１．１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．０１．０２９ ＡＮＩＭＰＲＯＶＥＭＥＮＴＯＮＫＥＲＮＥＬＦＵＺＺＹＣＬＵＳＴＥＲＩＮＧＡＬＧＯＲＩＴＨＭＡＮＤＩＴＳ ＡＰＰＬＩＣＡＴＩＯＮＩＮＦＩＮＩＳＨＩＮＧＰＩＧＳＬＡＵＧＨＴＥＲ ＷａｎｇＹｕｅ　ＨｕａｎｇＪｉｎｇｈｕａ　ＺｈａｎｇＫａｉｗｅｎ （ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｏｎｇｑｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５４，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｋｅｒｎｅｌｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｄｏｅｓｎｏｔｆｉｔｔｈｅｄａｔａｗｉｔｈｏｕｔｌｉｅｒｓａｎｄｎｏｉｓｅｐｏｉｎｔｓ，ａｎｄｉｓｓｅｎｓｉｔｉｖｅｔｏｉｎｉｔｉａｌｉｓａｔｉｏｎｃｅｎｔｒｅ．Ａｃ ｃｏｒｄｉｎｇｔｏｔｈｅａｂｏｖｅ，ｃｏｍｂｉｎｉｎｇｔｈｅｓｕｂｔｒａｃｔｉｖｅｃｌｕｓｔｅｒｉｎｇ，ｗｅｉｇｈｔｉｎｇｏｎｔｈｅｓａｍｐｌｅａｎｄｒｅｌａｘｉｎｇｔｈｅｍｅｍｂｅｒｓｈｉｐｎｏｒｍａｌｉｓａｔｉｏｎｃｏｎｄｉｔｉｏｎｓ，ａ ｗｅｉｇｈｔｅｄｋｅｒｎｅｌｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｓｕｂｔｒａｃｔｉｖｅｃｌｕｓｔｅｒｉｎｇｉｓｐｒｏｐｏｓｅｄ．ＩｔｉｓｐｒｏｖｅｄｂｙＩＲＩＳａｎｄＷＩＮＥｄａｔａｓｅｔｔｈａｔｔｈｅｉｍ ｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｈａｓｂｅｔｔｅｒｒｏｂｕｓｔｎｅｓｓａｎｄｎｏｉｓｅｒｅｓｔｒａｉｎｔｔｈａｎｔｈｅｔｒａｄｉｔｉｏｎａｌｋｅｒｎｅｌｃｌｕｓｔｅｒｉｎｇａｌｇｏｒｉｔｈｍ．Ｔｈｅｉｍｐｒｏｖｅｄａｌｇｏｒｉｔｈｍｈａｓｂｅｅｎ ａｐｐｌｉｅｄｔｏｆｉｎｉｓｈｉｎｇｐｉｇｓｌａｕｇｈｔｅｒ．Ｉｔｓｐｒａｃｔｉｃａｌｉｔｙａｎｄｔｈｅｆｅａｓｉｂｉｌｉｔｙａｒｅｖａｌｉｄａｔｅｄ． Ｋｅｙｗｏｒｄｓ　　Ｋｅｒｎｅｌｆｕｚｚｙｃｌｕｓｔｅｒｉｎｇ　Ｓｕｂｔｒａｃｔｉｖｅｃｌｕｓｔｅｒｉｎｇ　Ｗｅｉｇｈｔｉｎｇ　Ｆｉｎｉｓｈｉｎｇｐｉｇｓｌａｕｇｈｔｅｒ 针对这一缺点，文献［９］结合ＦＣＭ算法与ＰＦＣＭ的优点，设计了 ０　引　言 一种混合Ｃ均值加权聚类算法，取得了良好的效果。文献［１０］ 提出一种基于样本密度和最大类间方差法相结合的 ＫＦＣＭ算 从信息技术应用的角度出发，智能求解精准农业问题的方 法，并将其应用在故障检测中，获得了良好的效果。文献［１１］ 法主要有三种：第一，将传统的已经实现的智能决策技术应用于 提出的一种数据指数加权的模糊均值聚类策略，引入了指数权 精准农业；第二，改进现有的智能决策技术，获取效率更高的技 因子和影响指数，使得可以在聚类过程中差异化处理各个数据。 术，使之更符合精准农业的某个需求；第三，提出一种新的智能 本文通过放松隶属