基于改进遗传算法的模糊C均值聚类算法.pdfVIP

西 安 工 程 大 学 学 报 JournalofXi’anPolytechnicUniversity 第 22卷第 5期(总93期) 2008年 1O月 Vo1．22，No．5(Sum．No．93) 文章编号 ：1671—850X(2008)05—0605—05 基于改进遗传算法的模糊 C均值聚类算法 董军浪 ，王庆飞 (1．西安工程大学 科技处 ，陕西 西安 710048；2．西安工程大学 理学院，陕西 西安 710048) 摘要：针对传统模糊 C均值聚类算法(FCM)的缺陷，提出了一种基于改进遗传算法的模糊聚类 方法．利用改进遗传算法强大的全局寻优能力，这种算法较好地克服 了FCM 算法对初始化敏 感、容易陷入局部最优的缺陷．仿真实验证明，该算法具有较强的全局寻优能力和较快的收敛速 度． 关键词：聚类；FCM 算法；遗传算法；种群熵 中图分类号 ：TP183 文献标识码 ：A 0 引 言 数据挖掘是从大量的数据中提取有用的信息的过程．聚类分析是数据挖掘的一个重要 内容．模糊C一 均值聚类算法(FCM)最早 由Dunn提出，并 由Bezdek口]将之推广．近年来，FCM算法在图像处理、数据挖 掘、人工智能 等方面有着广泛应用．但是 由于FCM算法是一种局部搜索算法，对初始值较为敏感，容 易陷入局部极小而不能收敛到全局最优解． 遗传算法(GeneticAlgorithm，GA)是模拟 自然界遗传机制和生物进化论而形成的一种搜索最优解的 算法．具有较强的全局搜索能力；但 “早熟”现象[5和局部搜索能力较弱也是 GA算法 的明显缺点．近年来 出现的各种改进算法，比如遗传算法与禁忌搜索混合策略 ]，模拟退火混合策略口]，基于流水线[8的遗传 算法，自适应交叉概率和变异概率的遗传算法 删等，在克服传统算法缺陷方面取得了一定的效果． 本文将信息熵n妇引人GA算法中，有效地克服了GA算法的 “早熟”现象，并将FCM算法和改进遗传 算法有机结合，形成了一种混合算法．实验结果表明，混合算法更快、更有效地收敛到全局最优解，且具有 较好的聚类效果． 1 模糊C均值 (FCM)算法 设样本空间X一 {z ， ，…，X)，c为大于 1的正整数．将x分为c类可以用模糊矩阵 ：=：( )表示 ， 表示第i个样本点属于第J类的隶属度．显然， 满足条件 ∈Eo，11，∑ 一1，Vi一1，2，… J=1 FCM 目标函数 J(，A)定义为 J(ff，A)=∑∑bllSC一A 。， (1) J一 1 f= l 其 中 b (6 1)是模糊指数，A (一 1，2，…，c)是聚类 中心． 收稿 日期 ：2008—03—12 基金项 目：陕西省教育厅 自然科学专项基金资助项 目(06JK286) 通讯作者：董军浪 (1957一)，男 ，陕西省大荔县人，西安工程大学副编审．E—mail：xuebao699@163．com 6O6 西 安 工 程 大 学 学 报 第 22卷 FCM算法是将 目标函数 J(，A)最小化的迭代收敛过程．在迭代过程中 ，A的取值公式为 I(1／llz一AI】) ‘／E∑(1／lJz—AjI) ‘，IJz—AJJ≠o， 。 一 { IIz一All—o(一)，(2) 1 o， Ilz—A _I—O (忌≠ )， A一(∑b)／(∑ )． (3) FCM 聚类算法迭代过程为