针对无监督分类问题,提出一种多尺度并行免疫克隆优化聚类算法.算法中,进化在多个子群之间并行进行,不同子群的抗体根据子群适应度采用不同变异尺度.进化初期,利用大尺度变异子群实现全局最优解空间的快速定位,同时变异尺度随着适应值的提升逐渐降低;进化后期,利用小尺度变异子群完成局部解空间的精确搜索.将新算法与其他聚类算法进行比较,所得结果表明新算法具有较好的聚类性能和鲁棒性.

针对无监督分类问题, 提出一种多尺度并行免疫克隆优化聚类算法. 算法中, 进化在多个子群之间并行进 行, 不同子群的抗体根据子群适应度采用不同变异尺度. 进化初期, 利用大尺度变异子群实现全局最优解空间的快速 定位, 同时变异尺度随着适应值的提升逐渐降低; 进化后期, 利用小尺度变异子群完成局部解空间的精确搜索. 将新 算法与其他聚类算法进行比较, 所得结果表明新算法具有较好的聚类性能和鲁棒性.