典型文献
基于分层遗传的新聚类算法应用于数据分类
文献摘要：
针对FCM(模糊C均值聚类算法)对初始聚类中心的选取敏感以及梯度法易收敛到鞍点,在此基础上提出了一种分层遗传算法(HGA)优化的核模糊C均值聚类算法(HGA-KFCM)来提升聚类性能,首先用分层遗传算法(HGA)在全局筛选出高品质聚类中心以替代FCM的随机产生的聚类中心,再利用高斯径向核函数改变FCM中的距离函数并且重新定义目标函数,最终根据新参数进行迭代流程.在仿真实验中用两种数据集作为实验数据,利用FCM、HGA-KFCM以及其他三种聚类算法进行聚类测试,结果显示HGA-KFCM在一定程度上解决了FCM的缺陷,此外将新算法与另外三种性能不错的聚类算法在抗局部收敛能力,迭代次数和精度上比较,结果显示新算法具有良好的聚类性能.
文献关键词：
模糊C均值聚类;核模糊C均值聚类;遗传算法;分层遗传;高斯核函数;聚类中心优化
中图分类号：
作者姓名：
吴盛平;马永光;庄恒悦;赵魏;常志伟
作者机构：
华北电力大学控制与计算机学院 河北保定 071000;华北电力大学 河北保定 071000
文献出处：
引用格式：
[1]吴盛平;马永光;庄恒悦;赵魏;常志伟-.基于分层遗传的新聚类算法应用于数据分类)[J].科技风,2022(05):57-59
A类：
聚类中心优化
B类：
分层遗传,聚类算法,算法应用,数据分类,均值聚类,初始聚类中心,梯度法,鞍点,HGA,KFCM,先用,距离函数,重新定义,新算法,种性,不错,局部收敛,收敛能力,迭代次数,高斯核函数
AB值：
0.252115
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
