基于改进人工蜂群的模糊C-均值聚类算法

来源：计算机工程与科学杂志2016年第6期北京时间：

作者：徐曼舒，汪继文，邱剑锋，王心灵

单位：（安徽大学计算机科学与技术学院，安徽 合肥 230039）

摘要：模糊C均值聚类算法在数据挖掘领域有着广泛的使用背景，而对初始点的敏感和较差的搜索能力，限制了算法的进一步推广应用。人工蜂群算法具有对初始点不敏感、适应能力强和搜索能力强等优点，并且针对人工蜂群算法对单峰问题收敛速度慢、多峰问题容易陷入局部最优等问题，通过引入差分进化算法中变异和交叉思想，改善蜂群算法的收敛速度，平衡局部搜索和全局搜索能力。然后将改进的人工蜂群算法和模糊C均值聚类算法结合得到基于改进人工蜂群的模糊C均值聚类算法，并在多个国际标准数据集上进行验证，实验结果表明此算法在多个衡量指标上取得了明显的改进。

关键词：模糊C-均值聚类,人工蜂群算法,差分进化算法,变异,交叉,

基金资助：安徽省高校省级重点自然科学研究项目(KJ2013A009)