基于流形距离的量子进化聚类算法

被引：16

作者：

李阳阳

石洪竺

焦李成

马文萍

机构：

[1] 西安电子科技大学智能感知与图像理解教育部重点实验室

来源：

电子学报 | 2011年 / 39卷 / 10期

基金：

中国博士后科学基金;

关键词：

量子计算; 量子进化算法; 数据聚类; 流形距离;

D O I：

暂无

中图分类号：

TP311.13 [];

学科分类号：

1201 ;

摘要：

基于量子计算的机理和特性,并结合进化计算,本文提出了一种新颖的量子进化聚类算法(QEAM),在该聚类算法中引入了一种新的距离测度函数——流形距离.新方法将聚类归属为优化问题,通过运用量子进化的机理更快地搜索到最优聚类中心,从而得到最优隶属度矩阵划分;同时,通过基于流形距离的相似性度量,有效利用样本所具有的全局一致性信息,充分挖掘样本的空间分布信息,对样本进行正确的类别划分.将本文算法(QEAM)与基于流形距离的免疫进化算法(IEAM),遗传聚类算法(GAC)以及模糊C-均值算法(FCM)进行了性能比较,对6个人工数据集和3个UCI数据集的仿真实验结果显示,QEAM对样本空间分布复杂的聚类问题具有较高的准确率和较好的鲁棒性.

引用

页码：2343 / 2347

页数：5

共 5 条

[1] 基于免疫优势的克隆选择聚类算法 [J].