一種改進的人工蜂群算法與KECM迭代結(jié)合的聚類算法

　　針對核模糊C均值（ KFCM）算法對初始聚類中心敏感、易陷入局部最優(yōu)的問題，利用人工蜂群（ABC）算法的構(gòu)架簡單、全局收斂速度快的優(yōu)勢，提出了一種改進的人工蜂群算法（ IABC）與KFCM迭代相結(jié)合的聚類算法。首先，以IABC求得最優(yōu)解作為KFCM算法的初始聚類中心，IABC在迭代過程中將與當(dāng)前維度最優(yōu)解的差值的變化率作為權(quán)值，對雇傭蜂的搜索行為進行改進，平衡人工蜂群算法的全局搜索與局部開采能力；其次，以類內(nèi)距離和類間距離為基礎(chǔ)，構(gòu)造出適應(yīng)KFCM算法的適應(yīng)度函數(shù)，利用KFCM算法優(yōu)化聚類中心；最后，IABC和KFCM算法交替執(zhí)行，實現(xiàn)最佳聚類效果。采用3組Benchmark測試函數(shù)6組UCI標準數(shù)據(jù)集進行仿真實驗，實驗結(jié)果表明，與基于改進人工蜂群的廣義模糊聚類（IABC-KGFCM）相比，IABC-KFCM對數(shù)據(jù)集的聚類有效性指標提高1到4個百分點，具有魯棒性強和聚類精度高的優(yōu)勢。
?