基于随机初始中心的FCM算法及其应用.pdfVIP

第8卷第1期 安徽水利水电职业技术学院学报 Vo1．8 No．1 2008年 3月 JOURNAL OF ANHUI TECHNICAL COLLEGE OF WATER RESOURCES AND HYDROELECTRIC POWER Mar．2008 基于随机初始中心的FCM算法及其应用 张志红 (安徽水利水电职业技术学院，安徽 合肥 230601) 摘 要：文章提出了一种优化中心点的FCM算法，指出了对随机初始中心先使用融合模拟退火算法思想的 模糊逻辑神经元网络算法收敛聚类中心到最优值附近，然后使用 FCM聚类算法聚类，并进行了实际应用。 关键词：神经网络；模拟退火；模糊c～均值 中图分类号：TP183 文献标识码：A 文章编号：1671—6221(2008)01—0067—03 Clustering algorithm and its application based on optimized Fnzzy C-Means ZHANG Zhi-hong (Anhui Technical College of Water Resources and Hydroelectric Power，Hefei 230601，China) Abstract：The paper analyzes the sensitivity of primary clustering center in FCM algorithm，a new clustering method is presented in this paper，The approach first fuses the idea of Simulated Annealing into fuzzy neural network algorithm，and find the optimum value，Finally，the clustering center is ob— tained in FCM algorithm． ． Key words：fuzzy neural network；simulated annealing；fuzzy c-means 实验表明FCM算法、基于模糊逻辑神经元网络算法和模拟退火算法都会陷入局部极小值，且 FCM算法的有效性依赖于经验给出初始聚类中心。本文对随机聚类中心优化，然后使用FCM聚类 在实际工作中得到很好的应用。 - ． 1 模糊逻辑神经元算法和模拟退火算法的混合聚类算法 基于模糊逻辑神经元的聚类网路学习算法是竞争学习算法，如果初始聚类中心选择不当，可能会陷 入局部极小值，现在提出的频率敏感性竞争学习算法仍不能避免陷入极小值。 鉴于Cauchy训练的简单和易于实现，模拟退火算法使用Cauchy训练。Cauchy训练要比Boltz— mann训练快，但比基于神经元的模糊聚类网络算法慢，这是因为模拟退火算法是不确定性算法，它的 权的调整是随机的，带有随机性和试探性，同时还需要判定这种调整是否有效，很多时候这种调整都不 能被采纳，即使是有效的也有可能使能量变大，甚至可能使网络瘫痪。而基于神经元的模糊聚类网络算 法是确定性算法，它的每次调整都能使目标函数变小，每次调整都会被接受。 基于模糊逻辑神经元网络学习算法和模拟退火算法的混合算法描述为：初始化网络参数 “’和 “’；初始化退火温度 (忌=O) 收稿日期：2007—09—07：修回日期：2007—10—22 作者简介：张志红(1976一)，男，安徽合肥人，硕士，主要从事高等数学的教学与研究。 68 安徽水利水电职业技术学院学报 第8卷 repeat 对每个待分类样本计算z ，z。，…， ，然后根据学习算法调整网络参数和w“¨ 和 “¨ ；