基于改进 BPSO 的聚类选择性集成

摘要：

首先针对离散二进制粒子群（binary particle swarm optimization，BPSO）容易陷入局部收敛的问题，提出一种改进的 BPSO 算法。在分析高斯密度函数对尺度敏感性的基础上，利用粒子群与全局最优粒子的一致性动态调节尺度参数，并利用密度函数对称区间的定积分确定全局最优粒子的变异概率。而后将聚类的选择性集成抽象为组合优化问题，利用聚类成员有效性和差异性的加权组合定义适应度并以改进 BPSO 的进化过程实现聚类的选择性集成。最后基于标准数据集和图像数据集验证算法的有效性。

关键词：聚类选择性集成、离散二进制粒子群、高斯密度函数、图像分割

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60975026，61273275资助课题

在线出版日期：2016-04-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：692-698