| 中文题名： | 基于双种群遗传算法的FuzzyC-Means算法 |
| 姓名： | |
| 保密级别： | 公开 |
| 论文语种： | 中文 |
| 学科代码： | 070101 |
| 学科专业： | |
| 学生类型： | 学士 |
| 学位： | 理学学士 |
| 学位年度： | 2017 |
| 学校： | 北京师范大学 |
| 校区： | |
| 学院： | |
| 第一导师姓名： | |
| 第一导师单位： | |
| 提交日期： | 2017-05-25 |
| 答辩日期： | 2017-05-20 |
| 中文关键词： | |
| 中文摘要： |
模糊聚类分析是当今广泛应用于各大领域的经典聚类方法。遗传算法是一种通过模拟生物的进化和自然选择，迭代地求解函数极值的方法。针对FCM（模糊C均值）聚类算法依赖初值的问题，本文使用了遗传算法对传统的FCM算法进行了改进。本文首先介绍了模糊聚类分析和遗传算法。并且使用双种群遗传算法和FCM聚类算法进行结合，给出了一种稳定高效的求解FCM算法初始隶属度矩阵的方法。从而进一步提升聚类的效果。并且使用UCI机器学习公共数据集中的数组经典数据进行检验。取得了较好的结果，该种智能算法会在初期花费一定时间，但降低了FCM算法的迭代次数，增加了算法的稳定性，在大样本中可以把握效率和效果的平衡，拥有较好的表现。
﹀
|
| 参考文献总数： | 13 |
| 馆藏号： | 本070101/17130 |
| 开放日期： | 2017-05-25 |
谷歌
