融合云模型优化萤火虫的K-mediods聚类算法

摘要：

文章针对K-中心点聚类算法(K-mediods)易陷入局部最优及运行代价过大的问题,提出一种融合云模型优化萤火虫的K-mediods聚类算法.首先,将基于优秀萤火虫的云模型优化策略与基于普通萤火虫的云动态调整因子策略以及自主随机搜索相结合,对基本的萤火虫优化算法(GSO)进行改进;其次,从全局收敛性的角度对改进的GSO进行分析;最后,将改进的GSO与K-mediods算法融合成一种新的K-mediods算法.实验结果表明,该算法不仅在4种测试函数的求解精度上效果更优,而且对5个数据集的聚类结果均有改善,有效地抑制了K-mediods算法易陷入局部最优的问题,并且减少了算法的运行时间.

关键词：K-中心点聚类、云模型、改进的GSO算法、动态调整、全局收敛性

所属期刊栏目：37

分类号：C81;TP301.6(统计方法)

资助基金：国家自然科学基金61074005

在线出版日期：2021-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：34-39