基于GASA-FCM混合聚类与霍夫变换的欠定混合矩阵估计

论文摘要

针对模糊C-均值聚类（fuzzy C-means clustering,FCM）算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点,提出一种基于遗传模拟退火优化FCM（GASA-FCM）混合聚类和霍夫变换的欠定混合矩阵估计算法。该算法结合了模拟退火算法（simulated annealing algorithm,SA）全局搜索、高精度的优点和遗传算法（genetic algorithm,GA）强大的空间搜索能力,将经遗传模拟退火算法得到的聚类中心点赋给FCM,避免了初值选择的随机性。再利用霍夫变换对聚类得到的每一类数据的中心进行修正,提高混合矩阵的估计精度。实验结果表明,该算法明显改善了算法的稳定性和混合矩阵估计精度,具有一定的有效性和可行性。

论文目录

• 0 引言
• 1 基于信号稀疏性的欠定混合矩阵估计
• 2 基于GASAFCM的混合聚类算法
•   2.1 模糊C-均值聚类
•   2.2 遗传模拟退火算法
•   2.3 基于GASA-FCM的混合聚类算法
• 3 霍夫变换修正聚类中心
• 4 实验仿真与分析
•   4.1 混合矩阵评价准则
•   4.2 实验仿真与分析
• 5 结束语

文章来源

类型: 期刊论文

作者: 李虎,徐岩

关键词: 模糊均值聚类算法,遗传算法,模拟退火算法,霍夫变换,混合矩阵估计

来源: 计算机应用研究 2019年02期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,自动化技术

单位: 兰州交通大学电子与信息工程学院

基金: 国家自然科学基金资助项目(61461024)

分类号: TP18;O151.21

DOI: 10.19734/j.issn.1001-3695.2017.10.0932

页码: 588-592

总页数: 5

文件大小: 1232K

下载量: 83