針對(duì)K-means算法易受初始聚類中心影響而陷入局部最優(yōu)的問(wèn)題,提出一種基于螢火蟲智能優(yōu)化和混沌理論的FCMM算法。利用最大最小距離算法確定聚類類別值K和初始聚類中心位置,以各聚類中心為基準(zhǔn)點(diǎn),利用Tent映射構(gòu)建混沌空間,通過(guò)混沌搜索更新聚類中心,以降低初始聚類中心過(guò)于臨近的影響,并改善算法易陷入局部最優(yōu)的問(wèn)題。仿真結(jié)果表明,FCMM算法的平均聚類精度相較于經(jīng)典K-means算法和FA算法分別提高了7. 51%和2. 2%,成功避免算法陷入局部最優(yōu)解,提高了劃分初始數(shù)據(jù)集的效率和尋優(yōu)精度。 

【文章來(lái)源】：計(jì)算機(jī)應(yīng)用研究. 2019,36(07)北大核心

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

不同舅法的聚類效果對(duì)比

d)計(jì)算vk的熒光亮度值F(vk)，并與局部最優(yōu)解的熒光亮度值F(xk)比較，保留最好的解。e)若搜索次數(shù)達(dá)到Cmax，停止搜索;否則，轉(zhuǎn)向b)。2.3FCMM算法基本步驟a)初始化參數(shù):聚類對(duì)象總數(shù)N，吸收系數(shù)γ，步長(zhǎng)因子α，混沌搜索的最大迭代次數(shù)Cmax，最大熒光亮度I，最大吸引度β0。b)通過(guò)最大最小距離算法確定聚類中心數(shù)K，記錄最大最小距離算法獲得的初始聚類中心位置。c)依次通過(guò)Tent映射構(gòu)建以各個(gè)聚類中心為基準(zhǔn)點(diǎn)的混沌搜索空間。d)利用Tent混沌搜索更新初始聚類中心的位置，直到聚類中心不再變化。e)將聚類中心對(duì)應(yīng)于目標(biāo)螢火蟲，賦予最高熒光亮度。計(jì)算剩余的樣本點(diǎn)相對(duì)于各聚類中心的歐氏距離，并按照式(3)賦予不同的熒光亮度。f)如果Ii＞Ij，表示螢火蟲j比i的目標(biāo)函數(shù)值小，即j比i的位置好，螢火蟲j將吸引i向它移動(dòng)，移動(dòng)方式由式(4)決定，并通過(guò)式(5)更新螢火蟲位置。g)重復(fù)步驟f)，直到所有螢火蟲都被劃分到所屬的聚類中心。h)輸出結(jié)果。3實(shí)驗(yàn)結(jié)果與分析3.1實(shí)驗(yàn)環(huán)境為了驗(yàn)證算法的有效性，本文進(jìn)行了三組實(shí)驗(yàn)。實(shí)驗(yàn)1通過(guò)對(duì)比不同算法的聚類效果圖，驗(yàn)證本文算法聚類中心選取的有效性;實(shí)驗(yàn)2通過(guò)UCI數(shù)據(jù)集測(cè)試不同聚類算法的聚類精度和收斂速度，驗(yàn)證本文算法收斂速度較快、聚類精度有一定提高;實(shí)驗(yàn)3將本文算法與基于自適應(yīng)步長(zhǎng)的螢火蟲劃分聚類算法和加權(quán)的歐氏距離對(duì)K-means改進(jìn)算法(以下簡(jiǎn)稱文獻(xiàn)［9］算法)的聚類效果進(jìn)行對(duì)比分析。實(shí)驗(yàn)的運(yùn)行環(huán)境為Windows7操作系統(tǒng)，4GB物理內(nèi)存，CPU頻率

【參考文獻(xiàn)】：
期刊論文
[1]K-Means算法改進(jìn)及基于Spark計(jì)算模型的實(shí)現(xiàn)[J]. 徐鵬程,王誠(chéng).  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(04)
[2]基于螢火蟲優(yōu)化的加權(quán)K-means算法[J]. 陳小雪,尉永清,任敏,孟媛媛.  計(jì)算機(jī)應(yīng)用研究. 2018(02)
[3]基于自適應(yīng)步長(zhǎng)的螢火蟲劃分聚類算法[J]. 潘曉英,陳雪靜,李昂儒,趙普.  計(jì)算機(jī)應(yīng)用研究. 2017(12)
[4]基于自適應(yīng)權(quán)重的RFCM聚類算法[J]. 張強(qiáng),王紅衛(wèi),陳游,王文哲.  微電子學(xué)與計(jì)算機(jī). 2016(12)
[5]基于最優(yōu)類中心擾動(dòng)的螢火蟲聚類算法[J]. 趙杰,雷秀娟,吳振強(qiáng).  計(jì)算機(jī)工程與科學(xué). 2015(02)
[6]自適應(yīng)Tent混沌搜索的人工蜂群算法[J]. 匡芳君,徐蔚鴻,金忠.  控制理論與應(yīng)用. 2014(11)
[7]基于特征關(guān)聯(lián)度的K-means初始聚類中心優(yōu)化算法[J]. 陳興蜀,吳小松,王文賢,王海舟.  四川大學(xué)學(xué)報(bào)(工程科學(xué)版). 2015(01)
[8]基于改進(jìn)K-means聚類算法的室內(nèi)WLAN定位研究[J]. 陳望,賈振紅,覃錫忠,曹傳玲,常春.  激光雜志. 2014(07)
[9]新的小生境螢火蟲劃分聚類算法[J]. 王沖,雷秀娟.  計(jì)算機(jī)工程. 2014(05)
[10]基于Tent映射的混沌優(yōu)化算法[J]. 單梁,強(qiáng)浩,李軍,王執(zhí)銓.  控制與決策. 2005(02)

碩士論文
[1]群智能優(yōu)化算法在聚類分析中的應(yīng)用研究[D]. 趙杰.陜西師范大學(xué) 2015



本文編號(hào)：3065230