基于Boltzmann选择的人工蜂群KFCM算法

作者: 赵小强 [1,2] ; 张守明 [1,2]

关键词: 数据挖掘核模糊C-均值聚类人工蜂群算法 Boltzmann选择机制

摘要：为提高算法的搜索效率、减少搜索过程中陷入局部最优的现象,将人工蜂群算法用于核模糊C-均值聚类,但在聚类数比较大和维度较高时效果不太好,为此引入Boltzmann选择机制代替轮盘赌的选择方式,并采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强,有效克服了KFCM算法易陷入局部最优的缺点.实验结果表明,对于聚类数比较大、维度较高的数据样本,新算法与FCM和KFCM聚类算法相比,聚类效果更准确,效率更高,迭代次数更少.

上一篇：一种改进的分片包标记IP追踪方案
下一篇：胺型离子液体合成反应机理的量子化学

基于Boltzmann选择的人工蜂群KFCM算法

作者: 赵小强 [1,2] ; 张守明 [1,2]

关键词: 数据挖掘 核模糊C-均值聚类 人工蜂群算法 Boltzmann选择机制

关键词: 数据挖掘核模糊C-均值聚类人工蜂群算法 Boltzmann选择机制