蚁群聚类组合的改进算法

• 作者: 周允征 曹安得 马春英
• 来源期刊: 沈阳建筑大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 信息熵 聚类分析 蚁群聚类 FCM聚类算法
• 年，卷（期）: 2011,（4）
• 所属期刊栏目: 信息与控制
• 页码范围: 798-803
• 分类号: X705
• 字数: 4505字
• 语种: 中文

摘要

目的 研究一种基于信息熵蚁群聚类的模糊C-均值算法(即EACFCM算法),解决原标准蚁群聚类算法聚类速度慢,系统停滞,函数值收敛于某局部点等问题.方法 通过理论改进、算法移植和实验证明相结合的办法,采用基于信息熵的蚁群聚类算法对数据样本进行聚类(一次聚类)以获得新的聚类中心,然后从聚类拆分、合并、孤立点处理等几个方面对基于信息熵的蚁群聚类算法进行改进,以提高前期所获得的新聚类中心的准确性,最后再利用模糊C-均值聚类算法(FCM算法)对聚类结果进行优化处理(二次聚类).结果 EACFCM算法在迭代180次后,得到的目标函数值60.245是FCM算法函数值660.135的十分之一；划分熵的函数值0.440明显小于FCM算法函数值0.491；分离度的函数值0.102明显大于FCM算法函数值0.091.结论 笔者改进的EACFCM算法得到的聚类比传统的FCM算法效果好；仿真结果表明了其有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马春英	沈阳大学工商管理学院	57	131	6.0	8.0
2	曹安得	沈阳大学科技中心	3	22	2.0	3.0
3	周允征	沈阳师范大学财务处	1	9	1.0	1.0