基于遗传算法的高维数据模糊聚类

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.