粒子群优化算法

      粒子群优化算法是一种模拟鸟类群体行为的智能优化算法，现已成为进化算法的一个新的重要分支。粒子群算法思想直观、实现简单而且具有很高的执行效率，自提出以来，受到国内外众多学者的关注。

       粒子群优化与其它基于群体的进化算法相比，它们均初始化为一组随机解，通过迭代搜寻最优解。PSO将每一个可能产生的解表述为群中的一个微粒，每个微粒都具有自己的位置向量和速度向量，以及一个由目标函数决定的适应度。本文首先介绍了基本的粒子群算法的理论和基本算法流程，然后介绍了模糊聚类的相关知识。从而对基于粒子群的聚类分析有更进一步的认识，然后在本文的第三章，通过MATLAB对该算法进行了仿真，并通过分析几张手动输入图片进行仿真分析，发现采用不同的距离方法均能实现图片的模糊聚类。

随着人类的活动范围逐步扩展，科学技术不断进步，人们能以更快速更廉价的方式获得和存取数据，这就使得数据及信息量以指数方式增长。同时随着计算机硬件和软件的飞速发展，尤其是数据库技术与应用的普及，人们面临的将是浩瀚无垠的数据海洋，如果没有有效的方法提取这些大量数据中有用的信息和知识，将会造成极大的浪费。

聚类分析是一种无教师监督的分类方法，是用数学的方法研究分类问题的一门学科，在数据挖掘的研究中占有很大的比重。它是多元分析的一个分支，目前已被广泛应用于信息检索、机器学习、模式识别、图像处理等研究领域。迄今为止，聚类分析已经经历了20多年的发展历程，并在很多方面得到了很好的应用，但是聚类算法仍存在许多不完善的地方，为了使它得到更好的推广和应用，对聚类算法进一步的优化和改进还是非常迫切和