基于改进粒子群优化的移动界面模式聚类算法

摘要：

聚类是一种非常有效的信息分析方法.针对现有基于粒子群优化的模糊C均值(Fuzzy C-means,FCM)聚类算法的聚类效果不佳的问题,提出一种基于改进粒子群优化的模糊C均值聚类算法,并将该聚类算法应用到移动界面模式的聚类中.首先,利用直觉模糊熵的几何解释和约束构造合理的直觉模糊熵;然后,在粒子群优化中使用直觉模糊熵判断种群的多样性程度,并引入混沌反向学习策略来提高全局搜索能力;最后,为了增强聚类算法的非线性处理能力,在聚类算法中加入高斯核函数,并将该聚类算法应用到移动界面模式的聚类中.移动界面模式聚类的实验表明,与现有聚类算法相比,文中所提聚类算法具有更好的聚类效果.

关键词：粒子群优化、移动界面模式、聚类、直觉模糊熵、混沌反向学习

所属期刊栏目：45

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目61272286;高等学校博士学科点专项科研基金资助项目20126101110006;陕西省工业科技攻关项目2016GY-123;西北大学科学研究基金资助项目15NW31

在线出版日期：2018-06-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：220-226