模糊系统的微粒群并行聚类算法

摘要：

为了解决大规模的数据聚类问题时需要的大量计算,提出了一种模糊系统的微粒群优化并行k-means聚类算法.该方法利用模糊规则,动态地调整微粒群惯性权重和加速因子,克服群体逐渐失去迁移性而停止进化的问题,保证群体多样性而避免陷入局部极小值.采用任务并行和部分异步通信模式,降低计算时间.实验结果表明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量.

关键词：并行聚类、模糊系统微粒群优化、任务并行、异步通信

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 61070232;广东省自然科学基金06024881;广东金融学院校级课题09xJ02-06

在线出版日期：2012-01-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：41-43