一种改进K-means聚类的FCMM算法

• 作者: 张竹 杨明极 王娅 马池
• 来源期刊: 计算机应用研究
• 关键词: K-means聚类 萤火虫 最大最小距离 Tent映射 混沌搜索
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 算法研究探讨
• 页码范围: 2007-2010
• 页数: 4页
• 分类号: TP183|TP301.6
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2017.12.0851

摘要

针对K-means算法易受初始聚类中心影响而陷入局部最优的问题,提出一种基于萤火虫智能优化和混沌理论的FCMM算法.利用最大最小距离算法确定聚类类别值K和初始聚类中心位置,以各聚类中心为基准点,利用Tent映射构建混沌空间,通过混沌搜索更新聚类中心,以降低初始聚类中心过于临近的影响,并改善算法易陷入局部最优的问题.仿真结果表明,FCMM算法的平均聚类精度相较于经典K-means算法和FA算法分别提高了7.51％和2.2％,成功避免算法陷入局部最优解,提高了划分初始数据集的效率和寻优精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨明极	哈尔滨理工大学测控技术与通信工程学院	79	560	10.0	20.0
2	张竹	哈尔滨理工大学测控技术与通信工程学院	8	13	2.0	3.0
3	王娅	哈尔滨理工大学测控技术与通信工程学院	2	12	2.0	2.0
4	马池	哈尔滨理工大学测控技术与通信工程学院	2	12	2.0	2.0