DMGA-FCM:衍生多种群遗传进化的FCM自适应聚类算法

摘要：

模糊C均值聚类(Fuzzy C-means Clustering,FCM)算法是分析医学数据的重要方法之一,FCM的聚类效果容易受初始聚类中心的影响;诸多研究人员往往采用多种群遗传算法(Multiple Population Genetic Algorithm,MPGA)解决上述问题,但MP-GA的全局搜索能力不足并缺少自适应性、易过早收敛、初始聚类中心不佳.为此,本文提出一种DMGA-FCM:衍生多种群遗传进化(DMGA)的FCM自适应聚类算法.在DMGA-FCM中,本文首次提出的衍生算子,对初始化种群进行衍生操作,提升算法寻优能力,处理种群间寻优能力不足;利用模糊控制动态调节遗传概率,以提升算法自适应性,进而增强DMGA算法全局寻优能力,避免过早收敛;用DMGA优化FCM算法的初始聚类中心,以提升算法聚类效果.在仿真实验中,本文将该算法与其他相关FCM 算法进行对比,可得到更优的医疗数据聚类效果和图像聚类分割效果.

关键词：模糊C均值聚类、多种群遗传算法、衍生算子、模糊控制、聚类中心

所属期刊栏目：44

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;国家自然科学基金;国家自然科学基金;江苏省自然科学基金;江苏省双创博士计划江苏省高等学校自然科学研究重大项目;江苏省高等学校自然科学研究面上项目;江苏省高等学校自然科学研究面上项目;教育部人文社会科学研究项目;南通市科技局基础科学研究项目;南通市科技局基础科学研究项目

在线出版日期：2023-10-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：2196-2203