• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

一种用于模糊划分问题的岛屿分组遗传算法。

An island grouping genetic algorithm for fuzzy partitioning problems.

作者信息

Salcedo-Sanz S, Del Ser J, Geem Z W

机构信息

Department of Signal Processing and Communications, Universidad de Alcalá, 28871 Madrid, Spain.

OPTIMA Area, Tecnalia Research & Innovation, 48170 Bizkaia, Spain.

出版信息

ScientificWorldJournal. 2014;2014:916371. doi: 10.1155/2014/916371. Epub 2014 May 22.

DOI:10.1155/2014/916371
PMID:24977235
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC4055530/
Abstract

This paper presents a novel fuzzy clustering technique based on grouping genetic algorithms (GGAs), which are a class of evolutionary algorithms especially modified to tackle grouping problems. Our approach hinges on a GGA devised for fuzzy clustering by means of a novel encoding of individuals (containing elements and clusters sections), a new fitness function (a superior modification of the Davies Bouldin index), specially tailored crossover and mutation operators, and the use of a scheme based on a local search and a parallelization process, inspired from an island-based model of evolution. The overall performance of our approach has been assessed over a number of synthetic and real fuzzy clustering problems with different objective functions and distance measures, from which it is concluded that the proposed approach shows excellent performance in all cases.

摘要

本文提出了一种基于分组遗传算法（GGA）的新型模糊聚类技术，分组遗传算法是一类经过特别修改以解决分组问题的进化算法。我们的方法基于一种为模糊聚类设计的分组遗传算法，该算法通过个体的新颖编码（包含元素和聚类部分）、新的适应度函数（对戴维斯·布尔丁指数的改进）、专门定制的交叉和变异算子，以及基于局部搜索和并行化过程的方案（灵感来自基于岛屿的进化模型）。我们的方法在多个具有不同目标函数和距离度量的合成和实际模糊聚类问题上进行了评估，结果表明该方法在所有情况下均表现出优异的性能。

https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/10698be0269c/TSWJ2014-916371.011.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/096e1f9d0e1b/TSWJ2014-916371.001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/7bc5ec31276e/TSWJ2014-916371.002.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/2c6ded57710e/TSWJ2014-916371.003.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/2f85212ca1f7/TSWJ2014-916371.004.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/300bee2d88bb/TSWJ2014-916371.005.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/c6185b3a9f08/TSWJ2014-916371.006.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/6b65708bec5d/TSWJ2014-916371.007.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/fd81d117b456/TSWJ2014-916371.008.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/d91d64d8a4d7/TSWJ2014-916371.009.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/18d9017a2583/TSWJ2014-916371.010.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/10698be0269c/TSWJ2014-916371.011.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/096e1f9d0e1b/TSWJ2014-916371.001.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/7bc5ec31276e/TSWJ2014-916371.002.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/2c6ded57710e/TSWJ2014-916371.003.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/2f85212ca1f7/TSWJ2014-916371.004.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/300bee2d88bb/TSWJ2014-916371.005.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/c6185b3a9f08/TSWJ2014-916371.006.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/6b65708bec5d/TSWJ2014-916371.007.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/fd81d117b456/TSWJ2014-916371.008.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/d91d64d8a4d7/TSWJ2014-916371.009.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/18d9017a2583/TSWJ2014-916371.010.jpg
https://cdn.ncbi.nlm.nih.gov/pmc/blobs/bf99/4055530/10698be0269c/TSWJ2014-916371.011.jpg

相似文献

1
An island grouping genetic algorithm for fuzzy partitioning problems.一种用于模糊划分问题的岛屿分组遗传算法。
ScientificWorldJournal. 2014;2014:916371. doi: 10.1155/2014/916371. Epub 2014 May 22.
2
The fuzzy clustering analysis based on AFS theory.基于AFS理论的模糊聚类分析。
IEEE Trans Syst Man Cybern B Cybern. 2005 Oct;35(5):1013-27. doi: 10.1109/tsmcb.2005.847747.
3
A heuristic method for finding the optimal number of clusters with application in medical data.一种用于确定最优聚类数的启发式方法及其在医学数据中的应用。
Annu Int Conf IEEE Eng Med Biol Soc. 2008;2008:4684-7. doi: 10.1109/IEMBS.2008.4650258.
4
Rough-fuzzy collaborative clustering.粗糙模糊协作聚类
IEEE Trans Syst Man Cybern B Cybern. 2006 Aug;36(4):795-805. doi: 10.1109/tsmcb.2005.863371.
5
A robust fuzzy local information C-Means clustering algorithm.一种鲁棒的模糊局部信息 C-均值聚类算法。
IEEE Trans Image Process. 2010 May;19(5):1328-37. doi: 10.1109/TIP.2010.2040763. Epub 2010 Jan 19.
6
An improved fuzzy c-means clustering algorithm based on shadowed sets and PSO.一种基于阴影集和粒子群优化算法的改进型模糊C均值聚类算法
Comput Intell Neurosci. 2014;2014:368628. doi: 10.1155/2014/368628. Epub 2014 Nov 12.
7
Evolutionary Local Search of Fuzzy Rules through a novel Neuro-Fuzzy encoding method.通过一种新颖的神经模糊编码方法对模糊规则进行进化局部搜索。
Evol Comput. 2003 Winter;11(4):439-61. doi: 10.1162/106365603322519305.
8
FCMAC-Yager: a novel Yager-inference-scheme-based fuzzy CMAC.FCMAC-Yager：一种基于Yager推理方案的新型模糊小脑模型关节控制器
IEEE Trans Neural Netw. 2006 Nov;17(6):1394-410. doi: 10.1109/TNN.2006.880362.
9
[A new algorithm for magnetic resonance image segmentation based on fuzzy kerne1 clustering].一种基于模糊核聚类的磁共振图像分割新算法
Nan Fang Yi Ke Da Xue Xue Bao. 2008 Apr;28(4):555-7.
10
Combining genetic algorithms and Lyapunov-based adaptation for online design of fuzzy controllers.结合遗传算法和基于李雅普诺夫的自适应方法用于模糊控制器的在线设计。
IEEE Trans Syst Man Cybern B Cybern. 2006 Oct;36(5):1118-27. doi: 10.1109/tsmcb.2006.873187.

本文引用的文献

1
A cluster separation measure.一种聚类分离度量。
IEEE Trans Pattern Anal Mach Intell. 1979 Feb;1(2):224-7.
2
A survey of fuzzy clustering algorithms for pattern recognition. II.用于模式识别的模糊聚类算法综述。II.
IEEE Trans Syst Man Cybern B Cybern. 1999;29(6):786-801. doi: 10.1109/3477.809033.
3
A survey of fuzzy clustering algorithms for pattern recognition. I.用于模式识别的模糊聚类算法综述。I.
IEEE Trans Syst Man Cybern B Cybern. 1999;29(6):778-85. doi: 10.1109/3477.809032.
4
Survey of clustering algorithms.聚类算法综述
IEEE Trans Neural Netw. 2005 May;16(3):645-78. doi: 10.1109/TNN.2005.845141.