基于混沌量子遗传改进的模糊c均值聚类算法

？针对标准fcm对噪声和初值敏感的问题,提出一种基于实数编码混沌量子遗传算法(rcqga)的改进的加入空间信息的fcm算法。该算法在解空间内将实数染色体通过反向变换映射到量子位,采用量子位概率指导的实数交叉与混沌变异相结合的方法对实数染色体进行演化搜索。将rcqga与结合空间邻域信息的fcm相结合,用改进的fcm算法的目标函数建立适应度函数,利用混沌量子遗传算法搜索全局最优解,代替传统fcm的基于梯度下降的迭代爬山过程,从而有效地避免了模糊c均值聚类算法收敛到局部最优和对噪声敏感的问题，并在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。