自适应蝙蝠算法优化的模糊聚类及其应用

来源：计算机工程与应用杂志2019年第7期北京时间：

作者：崔芳怡1，荆晓远2，董西伟2，3，吴 飞2，孙 莹2

单位：1.南京邮电大学 计算机学院，南京 210023；2.南京邮电大学 自动化学院，南京 210023；3.九江学院 信息科学与技术学院，江西 九江 332005

摘要：随着信息网络技术的飞速发展，如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法（FCM）已具有良好的聚类效果，但其对初始化敏感，在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题，提出一种分布熵和平均位距改进的自适应蝙蝠算法，利用该算法对模糊C均值的参数进行优化。在此之上，将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域，提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明，与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比，该算法具有更好的聚类效果和检测性能。

关键词：模糊C均值,自适应蝙蝠算法,算法优化,模糊聚类,异常检测