基于免疫粒子群优化的模糊C均值聚类算法

• 作者: 贺兴时 韩琳
• 来源期刊: 西安工程大学学报
• 关键词: 粒子群优化算法 模糊聚类 模糊C均值算法 免疫系统 对当基
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 机械与电子信息工程
• 页码范围: 355-361
• 页数: 7页
• 分类号: TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1674-649X.2007.03.017

摘要

把免疫系统的免疫信息处理机制引入到粒子群优化(PSO)算法中,并与模糊C均值(FCM)算法相结合提出一种新的模糊聚类算法.新算法用免疫粒子群优化算法代替FCM算法的基于梯度下降的迭代过程,使算法具有较强的全局搜索能力,很大程度上避免了FCM算法易陷入局部极小的缺陷,同时也降低了FCM算法对初始值的敏感度.采用对当基思想初始化种群,获得更优的初始候选解,提高算法聚类过程中的收敛速度.以UCI机器学习数据库中的两组数据集为研究对象,实验结果表明,该算法优于基于PSO的模糊C均值聚类算法和FCM算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩琳	西安工程大学理学院	6	45	4.0	6.0
2	贺兴时	西安工程大学理学院	136	975	16.0	25.0