基于遗传算法的模糊c_均值聚类算法.pdfVIP

　2004 年 6 月 重 庆 大 学 学 报 J un . 2004 　 第 27 卷第 6 期 Journal of Chongqing U niver sity Vol . 27 　No . 6 ( ) 　　文章编号 :1000 - 582X 2004 06 - 0089 - 04 基于遗传算法的模糊 c - 均值聚类算法① 欧 　阳 ,成 　卫 ,韩 逢 庆 (重庆工学院 ,重庆 　400050) ( ) 摘 要 :基于误差平方和准则的模糊 c - 均值算法 FCM 是一种典型的动态聚类算法 ,其求解结果 通常是局部最优解 ;当模糊集合之间的并 、交 、包含运算采用传统定义时 ,在模糊 c - 均值聚类结果中还 ( 会存在无意义的聚类集 。研究表明采用遗传算法进行模糊 c - 均值聚类 Fuzzy c - means algorit hm over genetic algorit hm , GFCM) 时 ,不仅能够消除无意义的聚类集 ,而且还在一定程度上避免模糊 c - 均值算 法收敛到局部最优解 ,为此设计编码 、选择 、配对交叉 、变异等步骤 。测试数据实验表明采用 GFCM 算 法的结果优于 FCM 算法 。 关键词 :遗传算法 ;模糊 c - 均值聚类 ; GFCM 　　中图分类号 : O235 文献标识码 :A [ 1 ] ( ) 　　遗传算法 是借鉴生物的自然选择和遗传进化 模糊 c - 均值聚类算法 FCM 是基于误差平方和 机制而开发出的一种全局优化 自适应概率搜索算法 。 准则的模糊 c - 均值算法 ,是一种典型的动态聚类算 遗传算法使用群体搜索技术 ,通过对当前群体施加选 法 ,在图像处理 、数据挖掘 、人工智能等方面均有较多 择 、交叉 、变异等一系列遗传操作 ,从而产生出新一代 应用 。 的群体 ,并逐步使群体进化到包含或接近最优解的状 理论分析和计算实验表明 ,FCM 算法的结果往往 态 。由于其具有思想简单 、易实现 、应用效果明显等优 存在无意义的聚类 、最终结果对应的目标函数值有可 点而被众多应用领域所接受 ,并在 自适应控制 、组合优 能是局部最优解 。笔者提 出利用遗传算法来改进 化 、模式识别 、机器学习、人工生命 、管理决策等领域得 FCM ,可以避免生成无意义的聚类集 , 并在一定程度 上避免模糊 c - 均值算法收敛到局部最优解 。 到了广泛的应用 。遗传算法呈现出的是一种通用的算 法框架 ,该框架不依赖于问题的种类 。遗