基于免疫单亲遗传和模糊C均值的聚类算法

聚类算法是数据挖掘算法中的重要方法之一.本文在分析了FCM算法和基于遗传聚类算法的不足基础上,提出了一种基于免疫单亲遗传和模糊C均值的混合聚类算法,克服了FCM的局部最优问题以及普通遗传算法聚类时的搜索速度和聚类精度的矛盾,实验表明该算法是有效的.     

基于遗传模拟退火优化的FCM算法在西部省区经济发展状况分类的研究

模糊C-均值聚类(FCM)算法属于局部搜索优化算法,遗传算法和模拟退火算法的有机结合能使FCM算法更为有效准确。文章依据2013年的有关数据,利用主成分分析对聚类的特征变量降维,采用基于遗传模拟退火优化的模糊C-均值聚类算法,对西部各省区经济发展状况进行分类和分析,提供了分析大区内子区域经济发展状况的有效新方法,为西部省区经济发展状况的分析及制定相应对策探索了一条新途径。     

基于改进BP神经网络的恐怖袭击事件分级研究

为准确快速地对恐怖袭击事件进行分级,帮助建立恐怖袭击事件应急预案,提出一种基于模糊聚类算法和模拟退火遗传算法优化BP神经网络的恐怖袭击事件分级模型。通过模糊聚类算法划分样本训练集,利用BP神经网络的自学习能力获取输入与输出之间的模糊规则,采用模拟退火遗传算法提高神经网络精度。以GTD数据库样本为例,经实验得到普通BP神经网络的分级正确率为94.32%,模拟退火遗传算法优化的BP神经网络分级正确率可提升到99.88%,验证了基于模糊聚类算法和模拟退火遗传算法优化BP神经网络分级模型的有效性。     

改进遗传算法在文本聚类中的应用研究

分析了K均值聚类算法（K-means）存在的不足和改进遗传算法的全局优化能力,提出一种基于改进遗传算法的文本聚类方法,该方法将原始文档转化成用向量空间模型来描述的文本向量,首先随机产生若干个文档向量作为初始聚类中心形成遗传算法的染色体种群,经过改进遗传算法的选择、交叉、变异进化运算,得到较为优化的K均值聚类算法的初始聚类中心。实验表明该算法文本聚类提高了查准率和查全率,算法的高效性也得到了验证。     

基于GA-FKCN聚类的图像分割

提出了GA-FKCN聚类算法,此算法利用遗传算法的全局搜索的能力确保FKCN聚类的方向,从而使FKCN聚类不再具有对初始状态的敏感的缺点。并以此算法为基础提出一种模糊图像分割方法,与传统的模糊聚类分割算法相比效果更佳。最后通过图像分割实验证明该算法的效果优于传统的模糊图像分割。     

基于模糊聚类的自适应模糊神经网络

本文将模糊C均值聚类和自适应神经模糊网络结合起来．模糊C均值聚类用于对输入变量空间进行划分，生成初始的模糊规则库，自适应模糊神经网络（ANFIS）选用最小二乘法和BP算法．与普通的模糊神经网络相比，这种模糊神经网络收敛速度快，建模精度高。     

基于改进遗传算法的K-means聚类方法

K-means算法是聚类分析划分方法中的一种常用方法,也是目前在数据分析方法中最有应用前景的方法之一。但K mean算法对初始聚类中心十分敏感,这对处理学生成绩等数据而言,会导致聚类结果极为不稳定。为此,提出基于改进遗传算法的K means聚类算法。该算法利用遗传算法解决初始聚类中心,提高聚类结果的稳定性,但存在前期过早收敛和后期收敛过慢的缺点。将改进遗传K means聚类算法应用于高职高专的学生考试成绩分析中,可以很好地解决传统遗传聚类算法对聚类结果的不稳定性问题,并通过聚类结果对学生考试成绩进行分类评价,利用所获得的数据聚类结果指导教学,从而提高教学质量。     

一种基于超级链接结构的WWW模糊聚类算法

搜索引擎是目前最主要的WWW信息检索的工具，然而，用户对当前搜索引擎的检索效果并不满意。论文给出了基于文档文本内容和文档间超链信息的混合相似度计算方法，并给出了基于混合相似度的模糊（软）矣类算法HTSC。对HTSC算法进行了理论分析，并对其中的核心算法进行了初步的实验验证。该算法可对搜索引擎返回的结果进行模糊聚类，以方便用户从中找到真正需要的信息。     

基于灰狼优化的模糊C-均值聚类算法

针对模糊C-均值聚类算法(FCM)存在易受初始聚类中心影响和容易陷入局部最优的问题,提出了一种将灰狼优化算法(GWO)和模糊C-均值相结合的新聚类算法（GWO-FCM）。该算法利用GWO算法强大的全局寻优能力对FCM算法的聚类中心进行优化,模拟灰狼优秀的搜寻猎物行为找到一组最佳聚类中心来提高FCM的聚类效果。通过UCI数据集的仿真结果和算法比较验证了该算法的有效性。     

使用遗传算法的间接特征向量选取方法

遗传算法目前在特征向量选取中扮演着重要角色。由于其具有并行、自适应强等诸多优点,广泛受到多个领域的关注。本文首先对遗传算法、谱聚类等基础知识进行概述,其次介绍遗传算法的三个重要过程遗传、变异及交叉算子。最后给出遗传算法进行特征选择的步骤。为研究谱聚类算法中,使用遗传算法进行特征选择提供学习参考。