语音信号数字处理-矢量量化和聚类算法.pptVIP

* 三、聚类算法(3)－模拟退火K-均值算法 以往的聚类算法，都是组合优化的近似算法，只能求得局部最优解。 能否求得全局最优解？ 在物理中，退火技术是指：先把固体加热至足够高，使固体中所有粒子处于自由液态，然后将温度缓慢下降，这样只要温度上升得足够高，冷却过程足够慢，则所有粒子最终会处于最低能态。 * 如图5所示，若粒子开始处于C状态，若让能量逐渐减小，则粒子最终到达的是A点(局部最低点)而不是B(全局最低点)点，这是我们所不希望的。 解决的办法是对系统经常地摇动一下，就很可能把粒子从C点摇到B点，而把它摇到A点的可能性很小。 若开始以较大的速度摇，再慢慢减速，最终粒子会落在B点，模拟退火(Simulated Annealing)就类似于这个过程。 图5 * 退火原理 ： 在给定温度T下，处于热平衡状态的物体内能E服从玻尔兹曼(Boltzmann)分布(K为Boltzmann常数，C(T)为规一化因子)： Metropolis抽样模拟了温度T下的热平衡： 随机地选一个初始状态{Xi}，然后随机地给系统一个小扰动{?Xi}，若内能增量?E0，此扰动被接受；否则，此扰动以概率exp{-?E/(KT)}被接受。 若扰动被接受，则系统状态{Xi}被{Xi+?Xi}代替；否则产生一个新的扰动，…，如此下去直至{Xi}状态序列满足上式的分布。 进一步地，让温度T从足够高的值逐渐下降，对