基于人工萤火虫的模糊聚类算法研究.pdfVIP

2013年第2期 工业仪表与 自动化装置 ·3 · 基于人工萤火虫的模糊聚类算法研究 骆东松，李雄伟，赵小强 (兰州理工大学 电气工程与信息工程学院，兰州730050) 摘要：模糊c一均值(FCM)聚类算法是数据挖掘中常用的方法之一，但往往受到初始聚类中心 影响，收敛结果易陷入局部极小值的问题。该文提 出了一种基于人工萤火虫(GSO)的模糊聚类算 法(GSFM)。该算法引入 了全局寻优能力强的人工萤火虫算法来求得最优解作为FCM算法的初 始聚类中心，然后利用FCM算法优化初始聚类中心，最后求得全局最优解，从而有效克服了FCM 算法的缺点。实验结果表明，新算法与FCM聚类算法相比，提高了算法的寻优能力，并且迭代次数 更少，收敛速度更快，聚类效果更好。 关键词：数据挖掘 ；模糊 C一均值聚类 ；人工萤火虫算法；GSFM 中图分类号：0159 文献标志码：A 文章编号：1000—0682(2013)02—0003—04 Research0U fuzzyclusteringalgorithm basedonGSO LU0 Dongsong，LIXiongwei，ZHAO Xiaoqiang (CollegeofElectricalandInformationEngineering，LanzhouUniv．ofTech．，Lanzhou730050，China) Abstract：FuzzyC—means(FCM)clusteringalgorithmisoneofthemostcommonlyusedmethodsin datamining，such asbeing sensitiveto initialconditions，usuallyleadingto localminimum results． Therefore，anewglowwormswarmoptimization(GSO)一basedfuzzyalgorithm (GSFM)isputforwardin thispaper．GSFM algorithm usesthecapacityofglobalsearch inGSO algorithm toseekoptimalsolution asinitialclustering-centersofFCM algorithm，andthenuseFCM algorithm tooptimizeinitialclustering— centers，SOastogettheglobaloptimum．Aboveall，itsolvestheproblemsofFCM．Accordingtothe test，comparedwiththeFCM clusteringalgorithm，thenew algorithm improvestheoptimizationabilityof thealgorithm，thenumberofiterationsisfewer，andtheconvergencespeedisfaster．Inaddition，there isalsoalargeimprovedattheclusteringresult． Keywords：datamining；fuzzyC—meanclustering；glowworm swalqq3optimization；GSFM 的划分界限是分明的。但是在现实世界中却有许多 0 引言 实际问题并没有严格的属性，它们在性态和类属方 聚类 (Clustering)分析是数据挖掘技术的重要 面存在着模糊性，具有 “亦此亦彼”的性质。因此， 组成部分，它能从潜在的数据中发现新的、有意义的 人们就提出了要对待处理的对象进行软划分，L．A． 数据分布模式。聚类是在事先不规定分组规则的