基于K均值粒子群算法的模糊时间序列

摘要

智能优化算法在数据结构特征分析中凸显出较好的优越性,为了充分考虑数据的结构特征,提高模型的预测精度,建立K均值粒子群算法的模糊时间序列模型.该混合算法充分利用K均值局部搜索能力强和粒子群算法全局寻优能力强的优点,克服K均值对初始值过分依赖的缺点,可得到最优的论域划分结果,提高模型的预测精度.利用Alabama大学22年的入学人数为数据的实验结果显示,该算法的预测精度较高,验证了该算法的可行性和有效性.