融合并行混沌萤火虫算法的K-调和均值聚类
针对K-调和均值算法易陷于局部最优的缺点,提出一种基于改进萤火虫算法(firefly algorithm, FA)的K-调和均值聚类算法. 将基于FA的粗搜索与基于并行混沌优化FA的精细搜索相结合,其中精细搜索部分首先通过FA搜索到当前最优解及次优解,然后通过改进的logistic映射与并行混沌优化策略产生混沌序列在其附近直接搜索,以增强算法的寻优性能. 最终,将这种改进的FA用于K-调和均值算法聚类中心的优化. 实验结果表明:该算法不但对几种测试函数具有更高的搜索精度,而且对6种数据集的聚类结果均有一定的改善,有效地抑制了K-调和均值算法陷于局部最优的问题,提高了聚类准确性和稳定性.
K-调和均值、局部最优、萤火虫算法、聚类、并行混沌优化、混沌局部搜索、映射模型、种群多样性
10
TP18(自动化基础理论)
江苏省产学研联合创新资金-前瞻性联合研究基金资助项目BY2013015-33
2016-01-29(万方平台首次上网日期,不代表论文的发表时间)
共9页
872-880