-
题名基于Boltzmann选择的改进ABFM算法
- 1
-
-
作者
赵小强
张守明
-
机构
兰州理工大学电气工程与信息工程学院
甘肃省工业过程先进控制重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2011年第29期182-185,204,共5页
-
基金
甘肃省自然科学基金(No.0916RJZA017)
甘肃省支撑计划项目(No.090GKCA034)
甘肃省工业过程先进控制重点实验室基金(No.XJK0907)
-
文摘
模糊C-均值(FCM)聚类算法是数据挖掘中应用广泛的一种方法,但还存在容易陷入局部极小值和对初始值敏感的缺点,为此提出了一种基于Boltzmann选择机制的改进人工蜂群的模糊C-均值聚类算法(BABFM)。该算法引入了Boltzmann选择机制代替轮盘赌的选择方式,采用小区间生成法使初始群体均匀化,使得该算法的全局寻优能力更强,有效克服了FCM算法的缺点。实验结果表明,新算法与FCM和ABFM聚类算法相比聚类效果更准确,效率更高,迭代次数更少。
-
关键词
模糊C-均值(FCM)
数据挖掘
人工蜂群
boltzmann选择机制
基于boltzmann选择机制的人工蜂群模糊C-均值聚类算法(babfm)
-
Keywords
fuzzy c-means （FCM）
data mining
artificial bee colony
boltzmann selection mechanism
boltzmann artificialbee colony fuzzy c-means clustering（babfm）
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
