基于模糊C-均值的改进人工蜂群聚类算法

• 作者: 于智勇 何嘉婧 王晋东
• 来源期刊: 计算机应用研究
• 关键词: 人工蜂群算法 模糊C-均值 聚类分析 差分进化 搜索方程
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 算法研究与建模
• 页码范围: 1342-1345
• 页数: 4页
• 分类号: TP181|TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2016.05.014

摘要

传统的模糊C-均值聚类算法存在对初始聚类中心选择与噪声数据敏感，容易使目标函数陷入局部最优的问题，以及标准人工蜂群算法局部搜索能力及开发能力不强的缺点。针对这些问题，引进差分进化的思想改进人工蜂群算法并对跟随蜂的搜索行为进行更准确的描述，结合模糊C-均值聚类算法具有收敛速度快、易于实现且局部搜索能力较强的优点，提出一种基于模糊C-均值的改进人工蜂群聚类算法以提高聚类的性能。实验结果表明，该算法相对于传统FCM聚类算法，其准确率和抗噪性有所提高，聚类效果更好。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王晋东	解放军信息工程大学密码工程学院	29	224	10.0	13.0
2	何嘉婧	解放军信息工程大学密码工程学院	4	46	4.0	4.0
3	于智勇	解放军信息工程大学密码工程学院	2	20	2.0	2.0