[发明专利]基于量子粒子群优化改进的模糊C-均值聚类方法有效
| 申请号： | 201210277058.1 | 申请日： | 2012-08-06 |
| 公开（公告）号： | CN102831474A | 公开（公告）日： | 2012-12-19 |
| 发明（设计）人： | 毛力;李引 | 申请（专利权）人： | 江南大学 |
| 主分类号： | G06N3/00 | 分类号： | G06N3/00 |
| 代理公司： | 无锡市大为专利商标事务所 32104 | 代理人： | 曹祖良 |
| 地址： | 214122 江*** | 国省代码： | 江苏;32 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 基于 子粒 子群 优化 改进 模糊 均值 方法 | ||
技术领域
本发明涉及一种聚类方法，尤其是一种基于量子粒子群优化改进的模糊C-均值聚类方法，属于数据挖掘和人工智能的技术领域。
背景技术
传统的聚类方法属于硬划分方法，即所研究的对象“非此即彼”，而实际由于科学技术、经济管理中的分类界限并不是很分明。为了使聚类结果更加符合实际要求，由Dunn提出的模糊C-均值（FCM）算法“Dunn JC.A fuzzy relative of the ISODATA process and its use in detecting compact well separated cluster [J].JCybemet,1974,v3:32~57”是一种将硬C—均值聚类算法和模糊数学理论结合的经典聚类算法，它虽以某个隶属度隶属于某个类，使得类内误差平方和目标函数最小。但相关研究“J.C.Bezdek.Pattern Recognition with Fuzzy Objective Function Algorithm.Plenum Press,New York,1981:10-16”、“S.Ramathilagam,Yueh-Min Huang.Extended Gaussian kernel version of fuzzy c-means in the problem of data analyzing.Expert Systems with Applications,2011,38(4):3793-3805”表明此类算法易受聚类数目、初始点影响且极易陷入局部最小。
为了克服上述缺点，近年来很多文献“Sudhakar G. Effective image clustering with differential evolution technique.International Journal of Computer and Communication Technology,2010,2(1):11-19”、“Thomas A.Runkler and Christina Katz,Fuzzy Clustering by Particle Swarm Optimization.IEEE International Conference on Fuzzy Systems,2006,601-608”结合各种常用群智能进化算法对模糊C-均值算法进行改进，并取得了不错的效果。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于江南大学，未经江南大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201210277058.1/2.html，转载请声明来源钻瓜专利网。
