基于改进MPA优化的高斯混合模型算法

摘要：

针对高斯混合模型算法(GMM)对初始参数敏感、易陷入局部最优的问题,提出一种基于改进海洋捕食者算法优化的GMM算法(MMPA-GMM).首先基于混沌序列和伪对立学习策略初始化种群,引入非线性收敛因子平衡MPA算法的全局与局部搜索,同时提出融入社会等级制度的位置更新策略;然后从搜索能力和收敛速度对改进的MPA进行分析;最后以S_Dbw指标作为算法的适应度函数,利用改进的MPA优化GMM算法的初始参数.实验结果表明,改进的MPA在4种测试函数上表现良好,并且MMPA-GMM算法对4个数据集的聚类效果均有改善,有效避免了GMM算法陷入局部最优的问题.

关键词：高斯混合模型、海洋捕食者算法、位置更新、聚类

所属期刊栏目：42

分类号：TP311.13(计算技术、计算机技术)

资助基金：西安邮电大学研究生创新基金重点项目CXJJZW2021001

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：199-208