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


.
动态和声搜索算法在土坡稳定分析中的应用_专业资料。为了改善基本和声搜索算法中参数不易确定的问题,通过设置一系列参数组合,根据每组参数组合的搜索表现,动态地选择...
新型和声搜索算法在土坡稳定分析中的应用_专业资料。首先提出了一种产生任意滑动面的策略,对可行的滑动面采用Spencer法计算其安全系数;其次改进了基本和声搜索算法的...
, 2 007 新型和声搜索算法在土坡稳定分析中的应用李 亮, 迟世春 ( 大连理工大学 土木水利学院抗 震研究所, 辽宁 大连 116024) 摘要: 首先提出了一种产生任意...
基于投影寻踪动态聚类模型... 2人阅读 4页 2.00元 应用改进和声搜索算法...文中建立了基于和声搜索的边坡稳定投影寻踪聚类分析模型,并用作者编制的相关程序...
蚁群算法在聚类分析中的应用_专业资料。传统蚁群聚类算法求解聚类问题时可能需要...启发式搜索的特征,鲁棒 性强的智能仿生优化算法. 基于蚁群算法的聚类分析方法对...
和声搜索的半监督聚类研究与应用_专业资料。由于现有的聚类算法还存在一些问题,研究了如何用和声搜索算法快速寻找最优的聚类中心,对于和声搜索算法也进行了一些改进。...
一种改进的和声搜索模糊聚类算法_专业资料。针对模糊聚类算法对初值和聚类中心较为敏感的问题,采用和声搜索算法寻找最优聚类中心,并且改进了和声搜索算法的调音概率和...
自适应遗传算法在聚类分析中的应用_专业资料。针对k-均值聚类方法可能受初始选定的聚类中心的影响而过早收敛于次优解的不足,给出了一种基于自适应遗传算法的聚类...
应用改进和声搜索算法分析边坡的稳定性_专业资料。为提高基本和声搜索算法的全局... 一种改进的和声搜索算法... 4人阅读 6页 3.00 和声搜索的半监督聚类...
西北大学 硕士学位论文 蚁群算法在聚类分析中的应用研究 姓名:朱峰 申请学位...随机和自适应特性的生物进化仿生搜索算法【42】,其基本思想基于达尔文“适者生 ...
热门文档