一种改进K-means聚类的FCMM算法

摘要：

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.

关键词：K-means聚类、萤火虫、最大最小距离、Tent映射、混沌搜索

所属期刊栏目：36

分类号：TP183;TP301.6(自动化基础理论)

资助基金：黑龙江省自然科学基金面上资助项目F201422

在线出版日期：2019-10-24（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：2007-2010