基于改进蝙蝠算法优化的FCM聚类算法

• 作者: 常雪 石鸿雁
• 来源期刊: 计算机与现代化
• 学科: 工学
• 关键词: FCM聚类算法 蝙蝠算法 混沌映射 样本加权 特征加权
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 人工智能
• 页码范围: 29-33,38
• 页数: 6页
• 分类号: TP301.6
• 字数: 5130字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-2475.2020.05.005

摘要

针对传统模糊C-均值(Fuzzy C-Means,FCM)聚类算法隐含假设各个样本和各维属性对聚类结果作用相同,导致算法聚类性能降低,以及对初始中心点敏感且易陷入局部最优的问题,提出一种基于改进蝙蝠算法优化的FCM聚类算法.该算法首先采用混沌映射和速度权重来改进蝙蝠算法,然后利用改进蝙蝠算法确定FCM算法的初始聚类中心,最后根据各个样本和各维属性对聚类结果作用不同,采用样本和属性加权法对FCM算法的目标函数重新设计.实验结果表明,改进算法表现出较好的聚类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	石鸿雁	沈阳工业大学理学院	17	186	7.0	13.0
2	常雪	沈阳工业大学理学院	1	0	0.0	0.0