一种改进K-means聚类的FCMM算法

作者：杨明极; 马池; 王娅; 张竹

来源：计算机应用研究, 2019, 36(07): 2007-2010.

DOI：10.19734/j.issn.1001-3695.2017.12.0851

• K-means聚类
• 萤火虫
• 最大最小距离
• Tent映射
• 混沌搜索

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。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,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。

• 单位
  哈尔滨理工大学