基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在聚类分析中,模糊C-均值聚类(FCM)是一种广泛应用的算法,但由于它是基于梯度下降的,本质上是一种局部搜索算法,容易陷入局部极小值,且对初始值很敏感.本文提出一种基于自适应差异演化的模糊聚类算法(FCBADE),该算法利用差异演化良好的全局搜索能力,在全局范围内寻找最优解的近似解,然后由FCM算法在该近似解的周围进行局部搜索,最终得到全局最优解.同时为减少手工设置控制参数对DE算法的影响,采用自适应方式调整DE算法的控制参数.实验结果表明,该算法不仅有效克服了FCM算法易陷入局部极小值的缺点,而且明显地避免了对初始化选值敏感性的问题,也有较快的收敛速度.
推荐文章
基于混沌自适应引力搜索的模糊C均值聚类算法
自适应
混沌
引力搜索算法
模糊C均值聚类
基于自适应权重的模糊C-均值聚类算法
模糊C-均值聚类算法
自适应权重
高斯距离
隶属矩阵
基于Canopy聚类的噪声自适应模糊C-均值算法
聚类算法
Canopy算法
模糊C-均值算法
局部和非局部空间信息
基于模糊聚类和自适应神经模糊推理的MPPT研究
最大功率点跟踪
模糊聚类
自适应神经模糊推理系统
模糊控制规则提取
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自适应差异演化的模糊聚类算法
来源期刊 北京交通大学学报(自然科学版) 学科 工学
关键词 差异演化算法 模糊C-均值聚类 聚类分析 自适应参数控制
年,卷(期) 2009,(2) 所属期刊栏目 计算机技术与信息工程
研究方向 页码范围 17-21
页数 5页 分类号 TP18
字数 4459字 语种 中文
DOI 10.3969/j.issn.1673-0291.2009.02.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄厚宽 北京交通大学计算机与信息技术学院 139 2476 26.0 44.0
2 武志峰 北京交通大学计算机与信息技术学院 13 111 6.0 10.0
4 张莹 北京交通大学计算机与信息技术学院 29 118 6.0 9.0
5 杨蓓 北京交通大学计算机与信息技术学院 4 43 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (3)
参考文献  (7)
节点文献
引证文献  (8)
同被引文献  (13)
二级引证文献  (27)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(4)
  • 引证文献(1)
  • 二级引证文献(3)
2013(11)
  • 引证文献(3)
  • 二级引证文献(8)
2014(5)
  • 引证文献(2)
  • 二级引证文献(3)
2015(6)
  • 引证文献(0)
  • 二级引证文献(6)
2016(5)
  • 引证文献(0)
  • 二级引证文献(5)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
差异演化算法
模糊C-均值聚类
聚类分析
自适应参数控制
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京交通大学学报
双月刊
1673-0291
11-5258/U
大16开
北京西直门外上园村3号
1975
chi
出版文献量(篇)
3626
总下载数(次)
7
总被引数(次)
38401
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导