遗传算法改进的FCM.docx

  1. 1、本文档共32页,其中可免费阅读10页,需付费170金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

随着大数据时代的到来,聚类这一通过对象间相似程度来对事物进行归类的过程已成为一项热门的数据挖掘技术,被广泛运用于生产生活的各个领域。其中,模糊C-均值聚类(FCM)以其简易的过程和显著的有效性成为了近年来研究的重点。

本文系统介绍了聚类分析算法和模糊理论,并在此基础上对模糊C-均值聚类做了从数学模型到算法流程的全面阐述。由于模糊C-均值聚类将聚类问题转化为非线性规划问题进行迭代求解,算法运行结果往往只在局部收敛而达不到全局最优。针对这一问题,本文利用全局搜索智能算法遗传算法(GA)来改进模糊C-均值聚类,构建出GA-FCM混合智能算法。

实证分析方面,本文随机选取50只沪深300成分股

您可能关注的文档

文档评论(0)

黄莺文化 + 关注
实名认证
内容提供者

文档分享

1亿VIP精品文档

相关文档