![](https://csdnimg.cn/release/download_crawler_static/18625802/bg1.jpg)
第
30
卷第
10
期
Vo
l. 30 No. 10
控制与决策
2015
年
10
月
Oc
t.
2015
Control
and Decision
文章编号:
1001-0920(2015) iO-1766-07 DOI:
1O
.13195/j.kzyjc.2014.1085
基于混合蛙跳与阴影集优化的粗糙模糊聚类算法
蒙祖强,胡玉兰,蒋
亮,常红岩
(广西大学计算机与电子信息学院,南宁
530004)
摘
要:针对粗糙模糊聚类算法对初值敏感、易陷入局部最优和聚类性能依赖阂值选择等问题,提出一种混合蛙跳
与阴影集优化的粗糙模糊聚类算法。
FLA
【
SRFCM)
通过设置自适应调节因子,以增加混合蛙跳算法的局部搜索能
力;利用类簇上、下近似集的模糊类内紧密度和模糊类问分离度构造新的适应度函数;采用阴影集自适应获取类簇
阂值实验结果表明,
SFLA-SRFCM
算法是有效的,并且具有更好的聚类精度和有效性指标
关键词:粗糙集:阴影集:粗糙模糊聚类:混合蛙跳算法
中图分类号:
TP273
文献标志码
:A
Shuffted frog leapìng algorithm
ä
画
d
shadowed sets-based rough fuzzy
c1
ustering algorithm
MENG
Zu-qiang,
HU
Yu-lún, JIANG Liang, CHANG Hong-yan
(College
of
Computèr and Electronics Information, Guangxi University, Nanning 530004, China. Corresponden
t:
MENG
Zu-qiang, E-mail: zqmeng@126.com)
Abstract:
For the
probl
巳
m
that
出
e
rough fuzzy
c1
ustèriiìg
a1
gorithm is
s
巳
nsitive
to the initial value, easy to fall into a loc
a1
optimal solution, and the
clust
巳
ring
pèrfòrtììimce
of
algorithm depends
on
the selection
of
threshold, a rough fuzzy clustering
algorithm based
on
th
巳
shuffled
fròg
Ie
aping
a1
gorithm and shadowed
s
巳
ts(SFLA-SRFCM)
is proposed.
The
adaptive factor
is
d巳
veloped
to
enhanc
巳
thè
local search ability, the within cluster tighness and the between cluster scatter
of
fuzzy lower
approximate sets and fuzzy upper approximate
sets
缸
e
used to construct a new fitness function. Shadowed sets are applied to
obtain the threshold adaptively. Experimental results show that SFLA-SRFCM is effective and has better
clust
巳
ring
accuracy
and validity index.
Keywords:
rough sets; shadowed sets; rough fuzzy clustèring; shuffled frog leaping algorithm
。寻|
τ
圣
2
仁
1
聚类分析是一种重要的智能信息处理方法,已经
被广泛应用在模式识别、数据挖掘以及生物信息发现
等领域
[11.
聚类的目的是根据一定的测度准则,将数
据集划分成若干个簇,使得簇内对象尽可能相似,簇
间对象尽可能相异.根据对象隶属关系明确与否,现
有的聚类算法分为硬聚类和软聚类两种,后者因扩展
了隶属度的取值范围,具有更强的适应性.
粗糙集和模糊集提供了处理不确定问题的数学
框架,二者在一定程度上具有互补性.为了适应复杂
聚类问题的应用需求,许多学者致力于实现多种软计
算方法在聚类中的融合统一.最具代表性的是
Mitra
等
[2]
提出的粗糙模糊聚类算法
RFCM
,该算法结合了
收稿日期:
2014-07-09;
修回日期:
2014-10-27
粗糙集和模糊集两种软数据处理方法,通过粗糙集粗
糙划分论域,利用模糊集中隶属函数处理模糊边界区
域,并引入模糊度量策略以提高聚类对不同参数选择
的鲁棒性.与其他聚类算法相比,
RFCM
算法具有更
好的数据处理能力,但其本质上还是采用梯度下降方
法寻求问题的最优解,算法对初始聚类中心敏感,且
聚类性能和泛化能力受阔值参数的直接影响,初始
聚类中心选取和参数选择成为
RFCM
算法推广的最
大瓶颈.针对这些问题,研究者们提出了许多改进算
法
:M
中等
[3]
认为粗糙集下近似区域样本的归类属性
是明确的,以下近似集样本隶属度值为
1
改进原始初
始聚类中心的计算方法,取得了较好的聚类结果;姚
丽娟等
[4]
通过核函数将样本映射到高维空间,采用粒
基金项曰:国家自然科学基金项目
61363027);
广西自然科学基金项目
(20
12GXNSFAA053225).
作者简介:蒙祖强
(1974
一),男,教授,博士生导师,从事粒度计算、知识发现等研究:胡玉兰
(1989
一),女,硕士生,从事
数据挖掘、粗糙集的研究.
第
30
卷第
10
期
Vo
l. 30 No. 10
控制与决策
2015
年
10
月
Oc
t.
2015
Control
and Decision
文章编号:
1001-0920(2015) iO-1766-07 DOI:
1O
.13195/j.kzyjc.2014.1085
基于混合蛙跳与阴影集优化的粗糙模糊聚类算法
蒙祖强,胡玉兰,蒋
亮,常红岩
(广西大学计算机与电子信息学院,南宁
530004)
摘
要:针对粗糙模糊聚类算法对初值敏感、易陷入局部最优和聚类性能依赖阂值选择等问题,提出一种混合蛙跳
与阴影集优化的粗糙模糊聚类算法。
FLA
【
SRFCM)
通过设置自适应调节因子,以增加混合蛙跳算法的局部搜索能
力;利用类簇上、下近似集的模糊类内紧密度和模糊类问分离度构造新的适应度函数;采用阴影集自适应获取类簇
阂值实验结果表明,
SFLA-SRFCM
算法是有效的,并且具有更好的聚类精度和有效性指标
关键词:粗糙集:阴影集:粗糙模糊聚类:混合蛙跳算法
中图分类号:
TP273
文献标志码
:A
Shuffted frog leapìng algorithm
ä
画
d
shadowed sets-based rough fuzzy
c1
ustering algorithm
MENG
Zu-qiang,
HU
Yu-lún, JIANG Liang, CHANG Hong-yan
(College
of
Computèr and Electronics Information, Guangxi University, Nanning 530004, China. Corresponden
t:
MENG
Zu-qiang, E-mail: zqmeng@126.com)
Abstract:
For the
probl
巳
m
that
出
e
rough fuzzy
c1
ustèriiìg
a1
gorithm is
s
巳
nsitive
to the initial value, easy to fall into a loc
a1
optimal solution, and the
clust
巳
ring
pèrfòrtììimce
of
algorithm depends
on
the selection
of
threshold, a rough fuzzy clustering
algorithm based
on
th
巳
shuffled
fròg
Ie
aping
a1
gorithm and shadowed
s
巳
ts(SFLA-SRFCM)
is proposed.
The
adaptive factor
is
d巳
veloped
to
enhanc
巳
thè
local search ability, the within cluster tighness and the between cluster scatter
of
fuzzy lower
approximate sets and fuzzy upper approximate
sets
缸
e
used to construct a new fitness function. Shadowed sets are applied to
obtain the threshold adaptively. Experimental results show that SFLA-SRFCM is effective and has better
clust
巳
ring
accuracy
and validity index.
Keywords:
rough sets; shadowed sets; rough fuzzy clustèring; shuffled frog leaping algorithm
。寻|
τ
圣
2
仁
1
聚类分析是一种重要的智能信息处理方法,已经
被广泛应用在模式识别、数据挖掘以及生物信息发现
等领域
[11.
聚类的目的是根据一定的测度准则,将数
据集划分成若干个簇,使得簇内对象尽可能相似,簇
间对象尽可能相异.根据对象隶属关系明确与否,现
有的聚类算法分为硬聚类和软聚类两种,后者因扩展
了隶属度的取值范围,具有更强的适应性.
粗糙集和模糊集提供了处理不确定问题的数学
框架,二者在一定程度上具有互补性.为了适应复杂
聚类问题的应用需求,许多学者致力于实现多种软计
算方法在聚类中的融合统一.最具代表性的是
Mitra
等
[2]
提出的粗糙模糊聚类算法
RFCM
,该算法结合了
收稿日期:
2014-07-09;
修回日期:
2014-10-27
粗糙集和模糊集两种软数据处理方法,通过粗糙集粗
糙划分论域,利用模糊集中隶属函数处理模糊边界区
域,并引入模糊度量策略以提高聚类对不同参数选择
的鲁棒性.与其他聚类算法相比,
RFCM
算法具有更
好的数据处理能力,但其本质上还是采用梯度下降方
法寻求问题的最优解,算法对初始聚类中心敏感,且
聚类性能和泛化能力受阔值参数的直接影响,初始
聚类中心选取和参数选择成为
RFCM
算法推广的最
大瓶颈.针对这些问题,研究者们提出了许多改进算
法
:M
中等
[3]
认为粗糙集下近似区域样本的归类属性
是明确的,以下近似集样本隶属度值为
1
改进原始初
始聚类中心的计算方法,取得了较好的聚类结果;姚
丽娟等
[4]
通过核函数将样本映射到高维空间,采用粒
基金项曰:国家自然科学基金项目
61363027);
广西自然科学基金项目
(20
12GXNSFAA053225).
作者简介:蒙祖强
(1974
一),男,教授,博士生导师,从事粒度计算、知识发现等研究:胡玉兰
(1989
一),女,硕士生,从事
数据挖掘、粗糙集的研究.