基于PSO的二阶段光谱模糊聚类研究

摘要：

在海量的天体光谱数据中利用无监督聚类学习方法将天体自动分类具有更加诱人的前景.针对当前聚类方法存在的缺点,提出一种高效的高维数据硬划分算法,在此基础上提出了一种分阶段模糊聚类方法.第一阶段,利用硬划分算法对数据聚类,克服了模糊聚类算法对初始值敏感的缺点.第二阶段,以第一阶段运算结果作为初始值,进行模糊聚类的,并将微粒群算法引入模糊聚类,从而保证了聚类结果的全局最优性.实验结果表明,该方法用于天体光谱聚类是可行的、有价值的.

关键词：模糊聚类、微粒群、恒星光谱数据、全局最优

所属期刊栏目：29

分类号：TP311.13(计算技术、计算机技术)

资助基金：国家自然科学基金项目70573075;山西省青年基金项目2008021028

在线出版日期：2009-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1137-1141