引入改进飞蛾扑火的K均值交叉迭代聚类算法

• 作者: 吴琨 李昕芮 王会峰 茹锋 郭璐 黄鹤
• 来源期刊: 西安交通大学学报
• 关键词: 飞蛾扑火算法 聚类中心 K均值聚类 类内平均距离 最大最小距离积法
• 年，卷（期）: 2020,（9）
• 页码范围: 32-39
• 页数: 8页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.7652/xjtuxb202009003

摘要

针对现有K均值聚类(KMC)算法在选取初始聚类中心时随机性较大、全局搜索能力差、聚类精度低等问题,提出了一种引入改进飞蛾扑火的K均值交叉迭代聚类(IMFO-KMC)算法.利用最大最小距离积法初始化聚类中心,避免了KMC算法对随机初始聚类中心较为敏感的问题;利用样条插值预测的思想改进飞蛾扑火算法,提高了算法的收敛速度及寻优精度;以类内平均距离为适应度函数,引导插值扑火算法优化KMC迭代过程中的聚类中心,提高了聚类精度.将IMFO-KMC与KMC、K-means++算法、模糊c均值聚类算法在国际标准数据集Iris、Wine和Seeds上进行了实验对比,结果表明:IMFO-KMC算法在Iris数据集上的性能提升最为明显,相比其他算法准确率提高了0.67％～4.18％,标准化互信息提高了1.5％～4.01％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	茹锋		34	145	5.0	11.0
2	王会峰		35	111	7.0	9.0
3	郭璐		12	58	4.0	7.0
4	黄鹤		28	41	4.0	5.0
5	李昕芮		2	0	0.0	0.0
6	吴琨		1	0	0.0	0.0