基于模拟退火粒子群算法的FCM聚类方法  

Fuzzy C-means algorithm based on simulated annealing Particle Swarm Optimization

作　　者：李丽丽[1] 刘希玉[2] 庄波[3] 

机构地区：[1]山东师范大学信息科学与工程学院,济南250014 [2]山东师范大学管理与经济学院,济南250014 [3]滨州学院计算机科学技术系,山东滨州256603

出　　处：《计算机工程与应用》2008年第30期170-172,共3页Computer Engineering and Applications

基　　金：山东省自然科学基金重大项目No.Z2004G02;山东省教育厅计划项目No.J05G01;"泰山学者"建设工程专项经费资助~~

摘　　要：针对模糊C-均值(FCM)聚类算法易陷入局部极小值和对初始值敏感的缺点,提出了一种基于模拟退火粒子群优化的模糊聚类算法。该算法利用粒子群强大的全局寻优能力和模拟退火算法跳出局部极值的能力,克服了模糊C-均值聚类算法的不足。实验表明,该算法有很好的全局收敛性,能够较快地收敛到最优解。In order to overcome the defects of fuzzy C-means algorithm such as the local optima and sensitivity to initialization, a new fuzzy algorithm based on SA-PSO is put forward in this paper.The new algorithm makes use of the capacity of global seareh in PSO algorithm and the ability of jumping out of the local optima in SA,and solves the shortcomings of FCM.The experiment shows that the algorithm avoids the local optima and increases the convergence speed.

关 键 词：聚类分析 模拟退火算法 粒子群优化算法 模糊C-均值算法 全局优化 

分 类 号：TP301[自动化与计算机技术—计算机系统结构]