《计算机应用研究》|Application Research of Computers

一种改进K-means聚类的FCMM算法

Algorithm named FCMM to improve K-means clustering algorithm

免费全文下载 (已被下载 次)  
获取PDF全文
作者 杨明极,马池,王娅,张竹
机构 哈尔滨理工大学 测控技术与通信工程学院
统计 摘要被查看 次,已被下载
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。首先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;然后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。
关键词 K-means聚类;萤火虫;最大最小距离;Tent映射;混沌搜索
基金项目 黑龙江省自然科学基金面上资助项目(F201422)
本文URL http://www.arocmag.com/article/02-2019-07-006.html
收稿日期
修回日期
页码 -
中图分类号 TP301.6
文献标志码