基于改進BPSO的聚類選擇性集成

畢 凱，王曉丹，邢雅瓊（空軍工程大學防空反導學院，陜西　西安710051）

基于改進BPSO的聚類選擇性集成

畢 凱，王曉丹，邢雅瓊
（空軍工程大學防空反導學院，陜西西安710051）

首先針對離散二進制粒子群（binary particle swarm optimization，BPS O）容易陷入局部收斂的問題，提出一種改進的BPS O算法。在分析高斯密度函數對尺度敏感性的基礎上，利用粒子群與全局最優粒子的一致性動態調節尺度參數，并利用密度函數對稱區間的定積分確定全局最優粒子的變異概率。而后將聚類的選擇性集成抽象為組合優化問題，利用聚類成員有效性和差異性的加權組合定義適應度并以改進BPS O的進化過程實現聚類的選擇性集成。最后基于標準數據集和圖像數據集驗證算法的有效性。

聚類選擇性集成；離散二進制粒子群；高斯密度函數；圖像分割

網址：w w w.sys-ele.co m

0 引 言

聚類集成是指無監督情況下對同一數據集多種不同聚類結果的決策級融合。由于具有魯棒性、新穎性、穩定性、并行性以及可擴展性等優點［1］，使其一經提出便受到普遍關注，已成為當前聚類研究的重要方向并成功應用于圖像分 割［2］、文本分類［3］、特征提取［4］、生物工程［5］等諸多領域。

文獻［6］于2002年首次提出選擇性集成學習的概念，并通過理論分析和實驗表明具有較好分類性能和較大差異性的基分類器更有利于構造高性能的強分類器。與有監督集成學習類似，聚類的選擇性集成已被提出并廣泛研究。聚類法和排序法是當前常用的兩種聚類選擇性集成方法［7］。……