改进的模糊C-均值聚类算法

摘要：

为了克服模糊C-均值(FCM)聚类算法易陷入局部极小值和对初始值敏感的缺点,提出了一种基于改进量子蚁群的模糊聚类算法.将量子计算原理和蚁群算法相结合来改进FCM算法.初期采用量子遗传算法生成信息素分布,后期利用蚁群算法的全局搜索性、并行计算性等特点避免聚类陷入局部最优解.实验证明该算法保证了种群的多样性,有较好的全局收敛性,克服了模糊C-均值聚类算法的不足,能有效解决未成熟收敛的问题,使聚类问题最终快速、有效地收敛到全局最优解.

关键词：聚类分析、模糊C-均值聚类、蚁群算法、量子计算

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60903100;江苏省自然科学基金BK2009067

在线出版日期：2011-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：27-29,88