文件名称：论文研究-基于选择和变异机制的蛙跳FCM算法.pdf
文件大小：1.52MB
文件格式：PDF
更新时间：2022-08-11 14:39:51
模糊C-均值聚类,蛙跳算法,选择和变异机制,聚类分析,数据挖掘
为了改进模糊C-均值（FCM）聚类算法对初始值和噪声数据敏感, 且易陷入局部极小值的缺点, 提出一种基于选择和变异机制的蛙跳FCM算法（SMSFLA-FCM）。该算法首先将线性递减的惯性权重引入蛙跳算法的更新策略中, 按照一定的概率选择适应度值较优的青蛙代替较差青蛙, 并对每只青蛙个体以不同的概率变异; 再用改进后的蛙跳算法求得最优解作为FCM算法的初始聚类中心; 然后利用FCM优化初始聚类中心; 最后求得全局最优解, 从而有效克服了FCM算法的缺点。人造数据和经典数据集的实验结果表明, SMSFLA-FCM与SFLA-FCM和FCM聚类算法相比, 提高了算法的寻优能力, 且迭代次数更少, 聚类效果更好。