改进的模糊C-均值聚类方法  

Improved Fuzzy C-Means Clustering Algorithm

作　　者：牛强[1] 夏士雄[1] 周勇[1] 张磊[1] 

机构地区：[1]中国矿业大学计算机科学与技术学院,江苏徐州221008

出　　处：《电子科技大学学报》2007年第6期1257-1259,1272,共4页Journal of University of Electronic Science and Technology of China

基　　金：国家自然科学基金(50674086);高等学校博士学科点专项科研基金(20060290508);江苏省社会发展科技计划(BS2006002)

摘　　要：该文针对模糊C-均值算法容易收敛于局部极小点的缺陷,将遗传算法应用于模糊C-均值算法(FCM)的优化计算中,其中对传统遗传算法的编码方案、遗传算子约束条件及适应值函数等方面进行改进,提出了一种基于改进遗传算法的模糊聚类方法。实验表明,将改进的遗传算法与FCM算法结合起来进行聚类分析,可以在一定程度上避免FCM算法对初始值敏感和容易陷入局部最优解的缺陷,使聚类更合理,比单一使用FCM算法进行聚类分析的效果要好。A method of fuzzy clustering based on genetic algorithms is proposed in this paper. This method applies the improved genetic arithmetic to optimization of the Fuzzy C-Mean （FCM） arithmetic. FCM arithmetic has the limitation of converging to the local infinitesimal point, in our method, some interrelated key technique problems, such as encoding method, genetic operators, restrict condition, fitness function for the traditional genetic algorithm, are further reformed. Experiment results show that the method can search global optimum partly so that the clustering results are better than those of only using the FCM.

关 键 词：聚类 C均值算法 模糊聚类 遗传算法 优化计算 

分 类 号：TP301.6[自动化与计算机技术—计算机系统结构]