文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 数学 > 和声搜索算法在聚类分析中的应用
侵权投诉

和声搜索算法在聚类分析中的应用

第1期 依玉峰等:和声搜索算法在聚类分析中的应用第t次迭代的移动步长定义为

(bmax-bmin)@T(t)

b(t)=bmin+.(4)

Tmax

式中:bmax和bmin分别表示最大移动步长和最小移动步长,本文中,bmax=0103,bmin=01002.当和声记忆库中/最好0和/最差0和声差异较小时,算法收敛到最优解的可能性较大,移动步长b设置较小,通过微调来获得最优和声.

2.2 基于改进和声搜索的聚类分析算法

应用优化算法求解聚类问题[6-7]

49

通过在特

征空间内搜索聚类中心来更新目标函数值,将得到的最优解对应的聚类中心作为FCM的初始聚类中心进行聚类分析,得到最终的分类结果.基于优化的聚类算法拥有优化和聚类算法的优点,当人为输入的聚类中心数大于真实聚类中心数时,自动确定数据样本真实的聚类中心数,并得到较好的聚类结果.

本文提出一种改进的全局和声搜索算法并应用到聚类分析中,通过更新和声记忆库中精度变量对应的聚类中心点来最小化目标函数值,将得到的聚类中心点作为FCM初始聚类中心点进行聚类分析,获得最终的数据分类结果.

本文采用文献[6-7]中定义的目标函数来更新解向量,获得最优解向量对应的聚类中心点,实现数据样本点的分类.目标函数定义为

RF=

k=1

2 和声搜索算法在聚类分析中的

应用

2.1 模糊聚类(FCM)

聚类分析的目的是将数据进行分类,通过最小化目标函数值,将相同或相似的数据归并到同一类中.FCM目标函数定义为

J=

i=1k=1

66

cn

LikDik(xk,xi).

m

(5)

式中:xk是一个具有s维特征值的特征向量,其大小由对应节点的颜色、纹理和空间位置等特征

的大小决定;n表示数据集合中数据样本点的个数;m>0为权重指数;Lik表示第k个样本点到第i个聚类中心的隶属度函数值;Dik为第k个样本点到第i个聚类中心的欧氏距离,其定义如式(6)所示:

Dik(xk,xi)=

xk,xi.

(6)

FCM算法通过更新聚类中心和隶属度矩阵来最小化目标函数值,目标函数值越小,样本中数据与它们所属聚类中心的隶属度函数值越大.隶属度函数和聚类中心更新公式分别如式(7),式(8)所示:

Lik=

j=1

66

nc

(Dik)1/(1-

m)

1-m

.(9)

i=1

在FCM算法中,根据计算得到的数据样本

中每个样本点到各个聚类中心隶属度函数值的大小实现数据样本点的分类.改进的模糊隶属度函数定义为

FUik

=

1/(1-m)Dik/

j=1

6

c

Djk

1/(1-m)

.(10)

在基于改进和声搜索聚类分析算法中,和声向量x是一个c@s大小的中心矩阵,其中c是聚类中心数,s是每个样本数据的特征个数.和声记忆库中和声向量在各个特征空间边界值范围内随机初始化,并设置和声记忆库大小为5.基于改进

和声搜索聚类算法通过在特征空间中更新和声向

6

c

Dik(xk,xi)Djk(xk,xj)

2/(m-1)-1

,(7)

量中的精度变量来定位聚类中心点并获得对应的数据分类结果.将当前和声与和声记忆库中/最差0的和声进行比较,如果新的和声优于和声记忆库中/最差0和声,更新和声记忆库,将和声记忆库中/最差0和声替换为当前和声.经过若干次迭代后,就获得了数据的最优划分.2.3 确定聚类中心数

传统的聚类算法在进行聚类分析时需要输入聚类中心数,聚类中心数的不同导致聚类结果差异较大.文献[7]通过输入不同的聚类中心数进行聚类分析来确定真实的聚类中心数,由于真实聚类中心数的确定需要以大量的实验为依据,使得算法执行效率较低,无法满足实际的需要.本文定义一种新的方法来确定聚类中心数,当输入的聚,vi=

k=1

6

n

mLikvkmLik

k=1

6

.(8)

当FCM算法达到最大迭代次数或满足Jnew-Jold<E(即当前目标函数值与上次迭代目标函数值之差的绝对值小于一个给定值)时,停止迭代,并返回当前隶属度矩阵.根据每个数据样

本点到各个聚类中心的隶属度函数值的大小将数据样本点进行分类.

FCM算法是一种应用比较广泛的聚类分析算法,但传统的FCM算法要求人为地确定聚类中心数,且算法对初始聚类中心比较敏感,初始聚

和声搜索算法在聚类分析中的应用

和声搜索算法在聚类分析中的应用

.

上一页第3页

你可能喜欢

  • 算法研究
  • 遗传算法求解优化问题
  • Excel使用技巧大全(超
  • 英语双向细目表
  • 题库系统
  • 搜索优化

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email