文献类型：期刊文章

作　　者：孟学尧[1] 郭倩倩[2] 郭海儒[1]

MENG Xue-yao;GUO Qian-qian;GUO Hai-ru(School of Computer Science and Technology,Henan Polytechnic University,Jiaozuo 454000,China;Academic Publishing Center,Henan Polytechnic University,Jiaozuo 454000,China)

机构地区：[1]河南理工大学计算机科学与技术学院,河南焦作454000 [2]河南理工大学学术出版中心,河南焦作454000

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(61872126,61772159)资助.

年　　份：2021

卷　　号：42

期　　号：6

起止页码：1165-1170

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后提出一种自适应步长方法来平衡探索与开发能力;最后在局部搜索过程中对每次迭代的最优个体加入高斯扰动策略,使其跳出局部最优.该过程拥有良好的寻优能力,易于得到全局最优值,将其作为模糊C均值聚类算法的初始中心进行聚类,可有效增强算法的鲁棒性,提高算法的全局寻优能力.为了评估算法的有效性,在4个数据集上进行了对比实验,实验结果表明该算法在聚类准确率和鲁棒性方面均优于对比算法.

关 键 词：模糊C均值聚类 萤火虫算法 局部最优  聚类精度  鲁棒性

分 类 号：TP391]