摘要
本发明提出一种基于高斯混合模型的稳态进化地理流聚类识别方法,所述方法通过引入噪声检测机制,并通过概率阈值自动识别并过滤异常点,以提升聚类结果的抗干扰性;同时采用进化算法迭代优化包括均值、协方差、混合系数的GMM参数,通过交叉操作融合优质解、突变操作来逃离局部最优,以提升模型收敛质量,包括以下阶段;阶段一、参数初始化阶段;阶段二、模型初始训练;阶段三、进化算法迭代;阶段四、聚类识别与噪声处理;本发明能提升聚类结果的准确性,同时还能显著提升模型收敛质量。
技术关键词
GMM模型
高斯混合模型
协方差矩阵
进化算法
识别方法
阶段
数据
稳态
期望最大化算法
EM算法
参数
聚类
噪声
贝叶斯信息准则
分类信心
异常点
交叉算法
概率密度函数
共享单车