10.19734/j.issn.1001-3695.2017.12.0851
一种改进K-means聚类的FCMM算法
针对K-means算法易受初始聚类中心影响而陷入局部最优的问题,提出一种基于萤火虫智能优化和混沌理论的FCMM算法.利用最大最小距离算法确定聚类类别值K和初始聚类中心位置,以各聚类中心为基准点,利用Tent映射构建混沌空间,通过混沌搜索更新聚类中心,以降低初始聚类中心过于临近的影响,并改善算法易陷入局部最优的问题.仿真结果表明,FCMM算法的平均聚类精度相较于经典K-means算法和FA算法分别提高了7.51%和2.2%,成功避免算法陷入局部最优解,提高了划分初始数据集的效率和寻优精度.
K-means聚类、萤火虫、最大最小距离、Tent映射、混沌搜索
36
TP183;TP301.6(自动化基础理论)
黑龙江省自然科学基金面上资助项目F201422
2019-10-24(万方平台首次上网日期,不代表论文的发表时间)
共4页
2007-2010