10.14132/j.cnki.1673-5439.2016.06.010
基于改进PSO的自适应FCM聚类算法
针对传统模糊C-均值(fuzzy C-means,FCM)聚类算法存在对初始聚类中心选取的敏感性问题,提出一种基于改进粒子群优化(particle swarm optimization,PSO)算法的FCM聚类算法.为进一步提高PSO算法的全局寻优能力,探讨了一种基于自适应惯性因子的改进粒子群算法,该算法不仅优化了全局寻优能力和局部搜索能力,而且也有效解决了早熟现象并避免了后期震荡现象.实验结果表明,将改进PSO用于FCM聚类算法中可以克服对初始中心点选择的敏感性问题,拥有较高的全局寻优能力,聚类精度方面也得到了进一步提升.
改进粒子群优化算法、自适应、早熟、后期震荡
36
TP393(计算技术、计算机技术)
国家自然科学基金61373017,61402241,61472192,61572260,61572261;江苏省科技支撑计划BE2015702
2017-02-24（万方平台首次上网日期，不代表论文的发表时间）
共7页
59-64,73
