基于混沌粒子群的模糊C-均值聚类算法

摘要：

为了解决模糊C-均值(FCM)聚类算法的固有缺陷,提出基于混沌粒子群的模糊C-均值聚类算法(CPSO-FCM).针对FCM对聚类初始值的敏感度问题,辅以粒子群算法以避免随机选取的聚类数和聚类中心所导致的结果不一致.通过引入混沌序列,在粒子的位置和速度上与原有粒子群优化算法所得计算值加以比较,取优者.这样不仅能够提高算法全局搜索能力,也可有助于粒子跳出局部最优.同时定义加速因子与逃逸算子对粒子移动速度加以优化,以加速收敛.实验结果表明,CSPO-FCM算法稳定性强,收敛速度快,且聚类的准确率高,效果较好.

关键词：聚类、粒子群、混沌序列、模糊C-均值、CPSO-FCM算法

所属期刊栏目：34

分类号：TP18(自动化基础理论)

在线出版日期：2013-06-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1039-1043