10.3969/j.issn.1000-7695.2022.23.024
基于改进MPA优化的高斯混合模型算法
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.
高斯混合模型、海洋捕食者算法、位置更新、聚类
42
TP311.13(计算技术、计算机技术)
西安邮电大学研究生创新基金重点项目CXJJZW2021001
2023-02-15(万方平台首次上网日期,不代表论文的发表时间)
共10页
199-208