一种基于改进混合蛙跳的KFCM算法

作     者：赵小强 刘悦婷 ZHAO Xiaoqiang;LIU Yueting

作者机构：兰州理工大学电气工程与信息工程学院兰州730050 甘肃省工业过程先进控制重点实验室兰州730050 

出 版 物：《计算机工程与应用》 (Computer Engineering and Applications)

年 卷 期：2013年第49卷第4期

页      面：141-145页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：甘肃省支撑计划项目(No.090GKCA034) 甘肃省自然科学基金(No.0916RJZA017 No.1112RJZA028) 

主　　题：核模糊C-均值聚类 改进的混合蛙跳算法 聚类分析 数据挖掘 

摘      要：针对核模糊C-均值(KFCM)聚类算法存在易陷入局部极小值,对初始值敏感的缺点。将混合蛙跳算法(shuffled fro gleaping algorithm,SFLA)用于KFCM中,但在聚类数较大和维数较高时,聚类效果不理想,为此提出将自适应惯性权重引入混合蛙跳算法的更新策略中,再用改进后的混合蛙跳算法求得最优解作为KFCM算法的初始聚类中心,利用KFCM算法优化初始聚类中心,求得全局最优解,从而有效克服了KFCM算法的缺点。人造数据和经典数据集的实验结果表明,新算法与KFCM和FCM聚类算法相比,寻优能力更强,迭代次数更少,聚类效果更好。