一种基于量子遗传的模糊C均值聚类中心生成方法技术

模糊C均值聚类算法(FCM)是一种常用的无监督学习算法，常用于各类模糊问题的聚类分析中，由于某些问题具有模糊性和不确定性，因此通常使用模糊理论进行处理。本发明专利技术提出了一种基于量子遗传的模糊C均值聚类中心生成方法，结合了智能优化算法中的遗传算法和量子理论，通过量子种群的迭代寻优找到最优的初始聚类中心，避免了人为选取聚类中心的不确定性，提高了收敛效率及收敛精度。高了收敛效率及收敛精度。高了收敛效率及收敛精度。

A fuzzy c-means clustering center generation method based on quantum genetic

【技术实现步骤摘要】
一种基于量子遗传的模糊C均值聚类中心生成方法


[0001]模糊C均值聚类算法(FCM)是一个经典的无监督学习算法，主要使用在各种模糊问题的聚类分析中，由于某些问题同时存在着糊性和不确定性，所以一般采用模糊理论进行处理。本专利技术提出了一个基于量子遗传的模糊C均值聚类中心生成方案，融合了智能优化计算中的遗传算法和量子理论，并利用对量子种群的迭代寻优得到了最佳的的初始聚类中心，从而减少了人为选取聚类中心的不确定性，大大提高了收敛效率及收敛准确度。

技术介绍

[0002]模糊C均值聚类算法，是以模糊数学理论为依据的聚类方法，其通常用来描述具有不确定性的模糊问题，如人的性格特征、天气的冷热程度等。模糊理论引入了隶属度的概念，用来描述某个对象属于某个集合的程度或概率。模糊C均值聚类算法是一个软聚类工具，有着比K
‑
means算法更灵活的特点。因为在多数情况下，问题空间内的对象无法明确地被分配到某一类中，因此要对每个对象计算出属于每个类的隶属程度。然而，同传统K
‑
means算法一样，模糊C均值聚类算法受初始质心选取的影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于量子遗传的模糊C均值聚类中心生成方法，其特征在于：(1)将模糊熵作为度量染色体的指标，使用模...

【专利技术属性】
技术研发人员：凌子琪，金红，
申请(专利权)人：桂林理工大学，
类型：发明
国别省市：