基于粒子群优化的模糊C-均值聚类改进算法

被引：18

作者：

蒲蓬勃

王鸽

刘太安

机构：

[1] 山东科技大学信息工程系

来源：

计算机工程与设计 | 2008年 / 16期

关键词：

全局优化; 模糊C-均值聚类算法; 粒子群优化算法; 聚类; 粒子;

D O I：

10.16208/j.issn1000-7024.2008.16.081

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

针对模糊C-均值聚类算法(FCM)存在易陷入局部优化的问题,将粒子群优化算法(PSO)和模糊C-均值聚类算法FCM相结合,提出了一种新的模糊聚类算法PSO-FCM。该算法使用PSO算法来代替FCM的迭代过程以实现模糊聚类,具有了很强的全局搜索能力,从而不用再为得到好的聚类效果而反复选择初值。仿真实验结果表明,提出的模糊聚类算法提高了FCM的搜索能力,具有更好的稳定性和健壮性,优化能力增强,提高了聚类的效率和效果。

引用

页码：4277 / 4279

页数：3

共 7 条

[1]

Advances in theory and applications of fuzzy clustering.[J].Xinbo Gao;Weixin Xie.Chinese Science Bulletin.2000, 11

[2]

基于改进粒子群算法的C-均值聚类算法研究.[D].崔红梅.南京师范大学.2007, 05

[3] 聚类算法研究 [J].