- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种基于信息素的FCM蚁群聚类算法.pdf
安阳工学院学报
第二期 of 55
Journal Instituteof
Anyang Technology
一种基于信息素的FCM蚁群聚类算法
雷筱珍赖万钦
(福建交通职业技术学院,福州350007)
摘薹:钟时FCM聚类算法存在的一些缺陷。结合蚁群优化算法的优点,提出了一种基于信息素的FCM蚁群聚类算
法。该算法通过FCM算法获得新的聚类中心。利用蚁群优化算法的全局搜索性、并行计算性等特点避免了聚类陷入局郝曩
优解。仿真结果表明了该算法的有效性。
关键词:信息素:蚁群优化算法;FCM算法
中图分类号:TP39 文献标识码:A 文章编号:1673-2928(2009)02-0055-04
七
蚁群优化算法是受自然界中真实蚁群的集体 ∑%=1,v/-s,...,疗 (1)
l—l
觅食行为的启发而发展起来的一种基于种群的模
拟进化算法.属于随机搜索算法【¨。该算法被用于 那么,FCM的价值函数(或目标函数)就是:
求解Jobshop调度问题、二次指派问题(quadratic
(2)
J(u,cI,...,q)=∑以=∑∑%m吻2,
assignmeproblem)、背包问题(knapsackproblem)等,
这里№介于0,1间;c;为模糊组i的聚类中
并被用于数据的特征聚类.取得了很好的仿真实验
心,di=llci¨为第i个聚类中心与第1『个数据点间
结果。证明了蚁群算法在组合优化类问题求解中
的欧几里德距离;且m∈[1,∞)是一个加权指数。
优越的适用特性。
构造如下新的目标函数,可求得使(1)式达到
FCM算法是在模糊集理论上对K—means算法
最小值的必要条件:
的改进。是用隶属度确定每个数据点属于某个聚
J(U,C1,...,q,A,…,五)=J(U,q,…,cI)+
类的程度的一种聚类算法。但是不能确保FCM收
(3)
敛于一个最优解。同时算法的性能依赖于初始聚 ∑:I。乃(∑~一1)=∑∑“f刃+∑乃(∑~一1)
类中心。因此不可避免的常常会陷入局部极值闭。
因此,基于蚁群优化算法的优点,针对FcM算法的
缺陷。本文提出一种基于信息素的FCM蚁群聚类 格朗日乘子。对所有输入参量求导,使式(3)达到
最小的必要条件为:
算法。 .
1 FCM聚类算法 J-·J∑ufxj
FCM是Bezkek于1981年提出的.它是目前广 q。等-
文档评论(0)