基于GASA-FCM混合聚类与霍夫变换的欠定混合矩阵估计

摘要：

针对模糊C-均值聚类(fuzzy C-means clustering,FCM)算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点,提出一种基于遗传模拟退火优化FCM(GASA-FCM)混合聚类和霍夫变换的欠定混合矩阵估计算法.该算法结合了模拟退火算法(simulated annealing algorithm,SA)全局搜索、高精度的优点和遗传算法(genetic algorithm,GA)强大的空间搜索能力,将经遗传模拟退火算法得到的聚类中心点赋给FCM,避免了初值选择的随机性.再利用霍夫变换对聚类得到的每一类数据的中心进行修正,提高混合矩阵的估计精度.实验结果表明,该算法明显改善了算法的稳定性和混合矩阵估计精度,具有一定的有效性和可行性.

关键词：模糊C-均值聚类算法、遗传算法、模拟退火算法、霍夫变换、混合矩阵估计

所属期刊栏目：36

分类号：TN911.7

资助基金：国家自然科学基金资助项目61461024

在线出版日期：2019-05-31（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：588-592