10.3321/j.issn:1002-8331.2005.22.066
基于粒子群优化的模糊c均值聚类算法--在丙烯腈反应器参数优化上的应用
采用粒子群优化(PSO)算法,代替遗传算法(GA),将其和模糊c均值(FCM)聚类算法结合,形成基于粒子群优化的模糊c均值聚类(PSO-FCM)算法,同时引进混沌优化算法加强PSO-FCM算法的局部搜索能力.以某工厂丙烯腈反应器数据为研究对象,对比GA-FCM算法和FCM算法,研究结果表明PSO-FCM算法能够得到较优的聚类,且该算法实现简单,便于工程应用,对丙烯腈反应器参数调整的指导作用更加显著.
数据挖掘、模糊c均值、遗传算法、粒子群算法、混沌优化、聚类
41
TP39(计算技术、计算机技术)
2005-09-15(万方平台首次上网日期,不代表论文的发表时间)
共4页
211-214