一种改进K-means聚类的FCMM算法

来源：计算机应用研究杂志2019年第7期北京时间：

作者：杨明极,马池,王娅,张竹,

单位：哈尔滨理工大学测控技术与通信工程学院,哈尔滨150080；

摘要：针对K-means算法易受初始聚类中心影响而陷入局部最优的问题，提出一种基于萤火虫智能优化和混沌理论的FCMM算法。利用最大最小距离算法确定聚类类别值K和初始聚类中心位置，以各聚类中心为基准点，利用Tent映射构建混沌空间，通过混沌搜索更新聚类中心，以降低初始聚类中心过于临近的影响，并改善算法易陷入局部最优的问题。仿真结果表明，FCMM算法的平均聚类精度相较于经典K-means算法和FA算法分别提高了7.51%和2.2%，成功避免算法陷入局部最优解，提高了划分初始数据集的效率和寻优精度。

关键词：K-means聚类,萤火虫,最大最小距离,Tent映射,混沌搜索,

基金资助：黑龙江省自然科学基金面上资助项目(F201422)；；