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.

一种新的混合球壳形数据聚类方法

模糊C-球壳聚类算法(FCSS)广泛应用于模式识别与机器学习领域。传统FCSS算法采用梯度法和交替寻优策略来求解,因此对初始值比较敏感,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。将粒子群优化算法(PSO)、遗传算法(GA)与传统FCSS算法相结合,得到一种有效的混合球壳聚类算法PSO-GA-FCSS,数值实验结果表明新算法的性能优于FCSS算法、遗传算法与FCSS相结合的算法GA-FCSS以及粒子群算法与FCSS相结合的算法PSO-FCSS。