基于遗传算法的高维数据模糊聚类  

High dimensional datas fuzzy clustering based on genetic algorithm

作　　者：王宝文[1] 阎俊梅[1] 刘文远[1] 石岩[2] 

机构地区：[1]燕山大学信息学院,河北秦皇岛066004 [2]日本九州东海大学工程学院信息系统工程系

出　　处：《计算机工程与应用》2007年第16期191-192,221,共3页Computer Engineering and Applications

基　　金：国家科技部高新技术计划项目(No.2005EJ000017);河北省科技研究与发展计划(02547015D);河北省普通高等学校博士科研资助基金(No.2002B2002118)

摘　　要：提出了一种基于遗传算法的高维数据模糊聚类方法。引入了一个模糊非相似矩阵来表示高维样本之间的非相似程度,并将高维样本初始化到二维平面。利用遗传算法进行迭代优化二维样本的坐标值,实现二维样本之间的欧氏距离向样本间的模糊非相似度的趋近,使高维样本映射到二维平面。最后将得到的最优的二维样本利用模糊C-均值聚类(FCM)算法聚类,克服了聚类有效性对高维样本空间分布的依赖。实验仿真表明利用该方法有较好的聚类效果,且比用FCM算法直接聚类收敛速度快。A high dimensional datas fuzzy clustering method is presented based on genetic algorithm,by importing a fuzzy dissimilar matrix to express the dissimilar degree between any two datas,and initializing the high dimensional samples to two dimensional plane.And then iteratively optimize the coordinate value of two dimensional plane using genetic algorithm,which makes the euclidean distance between the two dimensional plane approximate to the fuzzy dissimilar degree between samples gradually,and the high dimensional samples are mapped into two dimensional plane.At last,using FCM algorithm to the two dimensional datas,avoids the dependence of the validity of clustering on the space distribution of high dimensional samples. Experimental results show that the method this paper proposed has more exact clustering result and faster convergence speed than FCM algorithm.

关 键 词：模糊聚类 模糊非相似矩阵 遗传算法 高维数据 

分 类 号：TP18[自动化与计算机技术—控制理论与控制工程]