计算机工程与应用 ›› 2023, Vol. 59 ›› Issue (17): 91-98.DOI: 10.3778/j.issn.1002-8331.2205-0436
吴辰文,王莎莎,曹雪同
WU Chenwen, WANG Shasha, CAO Xuetong
摘要: 针对模糊聚类对初始聚类中心依赖性较强且易陷入局部最优解的问题,提出了一种结合柯西分布和蚁狮算法改进的模糊聚类算法(CALOFCM)。引入柯西分布函数变异蚁狮算法,使得个体受局部极值点的约束力下降,从而增加跳出局部最优解的概率。使用优化后的蚁狮算法生成的精英蚁狮作为模糊[C]均值(fuzzy C-means,FCM)算法的初始聚类中心。分别在人工数据集和UCI数据集上进行了实验验证,并与K-means、DBSCAN、FCM、ALOFCM算法以及提出的算法进行实验对比。结果表明改进的算法获得了较好的聚类结果且在准确率、调整兰德系数和标准化互信息等评价指标上具有良好的聚类性能。