论文部分内容阅读
本文提出了一种新的广义量子粒子模型(GeneralizedQuantumParticleModel，GQPM)用于自组织聚类方法。该模型将数据聚类过程转化为一个在状态构形空间上的随机自组织过程，并由此随机过程的一个平稳概率分布得到包含所有粒子的最优状态空间构形。通过与现有的广义粒子模型以及传统聚类方法相比较，可知本文提出的广义量子粒子模型具有更快的聚类速度和更好的聚类性能，在对噪声的不敏感性、对聚类数据的强鲁棒性、学习的能力以及对于高维大规模数据集的适应性等方面都具有其优势。实验仿真结果显示，基于广义量子粒子模型的自组织聚类方法的高效率和良好的性能。