自适应蝙蝠算法优化的模糊聚类及其应用

• 作者: 吴飞 孙莹 崔芳怡 荆晓远 董西伟
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 模糊C均值 自适应蝙蝠算法 算法优化 模糊聚类 异常检测
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 热点与综述
• 页码范围: 16-22
• 页数: 7页
• 分类号: TP309
• 字数: 6833字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1811-0419

摘要

随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要.虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服.为了解决这两个问题,提出一种分布熵和平均位距改进的自适应蝙蝠算法,利用该算法对模糊C均值的参数进行优化.在此之上,将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域,提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法.理论分析和仿真实验表明,与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比,该算法具有更好的聚类效果和检测性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	荆晓远	南京邮电大学自动化学院	52	99	5.0	6.0
2	董西伟	南京邮电大学自动化学院	15	30	3.0	4.0
4	吴飞	南京邮电大学自动化学院	33	90	5.0	7.0
7	崔芳怡	南京邮电大学计算机学院	1	1	1.0	1.0
8	孙莹	南京邮电大学自动化学院	1	1	1.0	1.0