基于GASA-FCM混合聚类与霍夫变换的欠定混合矩阵估计

摘要: 针对模糊C-均值聚类(fuzzy C-means clustering，FCM)算法在欠定混合矩阵估计中精度低、鲁棒性差的缺点，提出一种基于遗传模拟退火优化FCM(GASA-FCM)混合聚类和霍夫变换的欠定混合矩阵估计算法。该算法首先结合了模拟退火算法(simulated annealing algorithm，SA)全局搜索、高精度的优点和遗传算法(genetic algorithm，GA)强大的空间搜索能力，将经遗传模拟退火算法得到的聚类中心点赋给FCM，避免了初值选择的随机性。再利用霍夫变换对聚类得到的每一类数据的中心进行修正，提高混合矩阵的估计精度。实验结果表明，提出的算法明显改善了算法的稳定性和混合矩阵估计精度，具有一定的有效性和可行性。