基于混合身份搜索黏菌优化的模糊C-均值聚类算法
针对模糊C-均值聚类算法(fuzzy C-means clustering,FCM)对于初始化聚类中心敏感、收敛速度慢,聚类效果不稳定且容易陷入局部最优等问题,提出了一种将黏菌(SMA)与青少年身份搜索(AISA)相融合的自适应优化模糊C-均值算法(AISA-SMA-FCM).该算法首先通过引入AISA算法中的青少年社会机制,改善SMA算法中的全局搜索和局部开发性能.克服了 SMA对于高维数据及部分混峰数据不敏感的缺陷,通过标准测试函数验证改进后的混合AISA-SMA算法寻优求解性能更为优秀;其次此算法用于FCM聚类算法的迭代机制中,通过将AISA-SMA聚类环节加入FCM算法聚类中心迭代过程中,使FCM算法获得自适应优化算法相同的特性,即算法在每次迭代中都将具有探索和开发两个过程,并依据循环迭代次数调节比重,求解聚类结果;最后通过UCI标准数据集仿真测试,利用适应度平均值与聚类正确率评价所提算法的稳定性与有效性,结果表明,AISA-SMA算法用于FCM聚类问题效果较好,AISA-SMA-FCM算法较其他聚类方式和相应的优化技术具有收敛速度快、求解精度高的优点.
模糊C-均值聚类、启发式优化、黏菌算法、青少年身份算法、社会机制、模糊策略、UCI数据库、融合算法
17
TP391(计算技术、计算机技术)
福建省自然科学基金面上项目;福建省本科高校教育教学改革研究项目;三明市科技计划引导性项目;三明学院教育教学改革重点项目;三明学院高教研究课题;福建省农业物联网应用重点实验室开放研究基金项目
2022-10-14(万方平台首次上网日期,不代表论文的发表时间)
共13页
999-1011