基于遗传算法与FCSS相结合的模糊球壳聚类算法

模糊球壳聚类(FCSS)算法广泛地应用于模式识别与机器学习等领域。由于其采用基于梯度法和交替寻优策略,对初始化比较敏感,容易陷入局部极值点,从而影响聚类效果。将现代全局优化方法之一的遗传算法(GA)与FCSS算法相结合,得到一种新的球壳聚类算法GA-FCSS。数值实验表明:新方法对球壳形数据有令人满意的聚类效果。

一种基于FCSS的多目标跟踪算法

提出一种基于FCSS的多目标跟踪算法FCSSB-MTT,用于解决目标观测点迹与航迹的关联问题。该算法无需对目标当前点迹进行完全估计,只需要估计目标在相邻两时刻间的移动距离。仿真实验结果表明,与基于FCM的目标跟踪算法相比,FCSSB-MTT跟踪精度更高。

改进的基于遗传算法与FCSS相结合的模糊球壳聚类算法

遗传算法(GA)被广泛地应用在聚类算法中.但是当数据点多时,其计算量大的问题是不容忽视的.针对与遗传算法相结合的FCSS算法中的这一不足,主要通过研究了GA初始化种群的选取方法,对GA-FCSS算法进行了改进.实验数据表明:改进的GA-FCSS算法在收敛速度方面有令人满意的效果.

一种粒子群算法与FCSS相结合的模糊球壳聚类算法

模糊球壳聚类算法(FCSS)广泛应用于模式识别与机器学习领域。由于其采用传统的基于梯度法和交替寻优策略求解模型,对初始值比较敏感,往往只能得到模型的局部极值点,从而影响聚类的效果,甚至使所采用的方法失效。本文将现代全局优化方法之一的粒子群优化算法与模糊球壳聚类算法(FCSS)相结合,利用粒子群算法良好的全局收敛能力来改善传统聚类算法易于陷入局部极值的缺陷,从而得到一种新的球壳聚类算法(PSO-FCSS),数值实验表明,新方法对球壳形数据有令人满意的聚类效果。