论文部分内容阅读
调整学习是一种逐步求精的近似学习方法，是提高局部搜索解质量的重要途径之一。该方法调用调整算子填平局部最优解陷阱，构造一系列不同粒度的搜索空间，降低局部最优解对解质量的影响。利用调整学习的基本原理设计了聚类算法框架CAT_L，并给出了适合处理聚类问题的噪声平滑调整算子。实验对比了经典FCM算法与FCM—CAT_L（以FCM算法作为CAT_L框架的聚类算子）算法的聚类质量。实验结果表明，调整学习方法对提高聚类质量是有效的。