登录 | 注册 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
一种改进K-means聚类的FCMM算法
  • 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.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.

  • 作者

    杨明极  马池  王娅  张竹  Yang Mingji  Ma Chi  Wang Ya  Zhang Zhu 

  • 作者单位

    哈尔滨理工大学测控技术与通信工程学院,哈尔滨,150080

  • 刊期

    2019年7期 ISTIC PKU

  • 关键词

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

相似文献 查看更多>>
3.233.221.149