一种基于改进混合蛙跳的KFCM算法

摘要：

针对核模糊C-均值(KFCM)聚类算法存在易陷入局部极小值,对初始值敏感的缺点.将混合蛙跳算法(shuffled frog leaping algorithm,SFLA)用于KFCM中,但在聚类数较大和维数较高时,聚类效果不理想,为此提出将自适应惯性权重引入混合蛙跳算法的更新策略中,再用改进后的混合蛙跳算法求得最优解作为KFCM算法的初始聚类中心,利用KFCM算法优化初始聚类中心,求得全局最优解,从而有效克服了KFCM算法的缺点.人造数据和经典数据集的实验结果表明,新算法与KFCM和FCM聚类算法相比,寻优能力更强,迭代次数更少,聚类效果更好.

关键词：核模糊C-均值聚类、改进的混合蛙跳算法、聚类分析、数据挖掘

所属期刊栏目：49

分类号：TP301.6(计算技术、计算机技术)

资助基金：甘肃省支撑计划项目090GKCA034;甘肃省自然科学基金0916RJZA017,1112RJZA028

在线出版日期：2013-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：141-145