融合相似度计算与改进遗传算法的聚类分析

摘要：

针对模糊C-均值聚类分析(FCM)易陷入局部最小值以及对初始聚类中心敏感度过大的缺点,首先使用一种基于密度的DBSCAN算法,通过计算数据间距离与密度的方法确定聚类数,同时在遗传模拟退火算法(SAGA)的基础上,提出了基于多种群遗传模拟退火算法的聚类分析.首先对FCM进行分析与评价,提出FCM在确定聚类数与聚类过程方面的不足;然后针对FCM中的不足选择ST-DBSCAN算法确定聚类数,同时对遗传模拟退火算法进行研究,加人多种群并行遗传思想对遗传模拟退火算法进行优化;最后将FCM与多种群遗传模拟退火算法有机结合,优化聚类过程.实验结果表明,上述算法有较好的全局搜索能力与收敛能力,同时在聚类效果与稳定性上较传统聚类算法有一定的优势.

关键词：聚类数、聚类过程、多种群遗传模拟退火算法

所属期刊栏目：37

分类号：TP301.6(计算技术、计算机技术)

资助基金：广东省科技计划项目;广东高校省级重点平台和重大科研项目;广东省青年创新人才项目;2018国家级大学生创新训练计划资助项目

在线出版日期：2020-11-10（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：226-230