头脑风暴算法优化的乳腺MR图像软子空间聚类算法

传统的软子空间聚类算法在对信息量大、强度不均匀、边界模糊的乳腺MR图像进行分割时,易受初始聚类中心和噪声数据的影响,导致算法陷入局部最优,造成误分类。针对该问题,提出一种头脑风暴算法优化的乳腺MR图像软子空间聚类算法。算法首先引入一个放松界约束与广义噪声聚类结合的目标函数,并用隶属度计算方法来寻找簇类所在子空间;然后在子空间聚类时用给定指数来适配聚类任务;最后在聚类过程中运用头脑风暴算法进行优化,有效地平衡局部搜索与全局搜索,从而弥补现有算法易陷入局部最优的不足。对比算法与该算法在Berkeley图像数据集上的实验结果表明该算法具有较高的精度,临床乳腺MR图像聚类的实验结果验证了所提算法的鲁棒性。

改进多目标萤火虫优化的软子空间聚类算法及在短期负荷预测中的应用

针对传统软子空间聚类算法因单目标优化无法准确聚类的问题,提出一种改进多目标萤火虫优化的软子空间聚类算法(IMOFASSC)。对多目标萤火虫算法的步长因子和初始吸引力进行动态定义以弥补算法易提前收敛的缺陷,并设计一种萤火虫单行随机学习机制来提高最优解集分布的均匀性;将改进的多目标萤火虫算法运用到软子空间聚类问题中,同时优化簇内紧凑度、簇间分离度及负权值熵三个目标函数,将IMOFASSC应用到短期负荷预测中。实验结果表明,IMOFASSC不仅在低维和高维数据聚类中有较好的聚类效果,而且在短期负荷预测中具有推广应用价值。