优化的核模糊C均值聚类算法

• 作者: 刘奕麟 安建成
• 来源期刊: 微电子学与计算机
• 关键词: 模糊C均值聚类 核函数 蝙蝠算法 佳点集 速度权重
• 年，卷（期）: 2018,（2）
• 页码范围: 79-83
• 页数: 5页
• 分类号: TP391
• 语种: 中文

摘要

提出一种优化的核模糊C均值聚类算法(WBAKFCM).该算法首先通过改进蝙蝠算法(Weight bat Algorithm,WBA)确定最优聚类中心集合,然后用核模糊C均值聚类算法指导聚类划分.一方面,改进的蝙蝠算法在传统的蝙蝠算法中引入佳点集理论和速度权重,分别用于调节种群的初始化和个体位置的自适应更新.另一方面,在核模糊C均值聚类算法(Kernel Fuzzy C-Means,KFCM)中,选用了高斯核函数,从而将数据映射到高维特征空间进行聚类划分.实验结果表明,优化的核模糊C均值聚类算法在聚类准确率与时间效率上明显优于传统算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安建成	太原理工大学计算机科学与技术学院	34	182	8.0	11.0
2	刘奕麟	太原理工大学计算机科学与技术学院	2	5	1.0	2.0