基于自组织映射和生物地理优化的聚类算法  

A Mixed SOM and Biogeography-based Optimization Algorithm for Clustering

作　　者：温肖谦 黄发良[1] 李超雄[1] 汪焱[1] 

机构地区：[1]福建师范大学软件学院,福建福州350117

出　　处：《福建师范大学学报（自然科学版）》2015年第5期29-35,124,共8页Journal of Fujian Normal University：Natural Science Edition

基　　金：教育部人文社会科学研究青年基金资助项目(12YJCZH074);福建省教育厅资助项目(JA13077)

摘　　要：针对传统生物地理优化算法(bio-geographic optimization algorithm,BBO)的种群随机初始策略会降低聚类算法性能的问题,提出了一种基于自组织映射算法(self-organization feature map,SOM)和BBO的混合聚类算法(improved SOM and bio-geography optimization,ISOMBBO),通过优化初始化神经元权值的方法改进SOM算法,然后以改进的SOM来计算数据聚类的初始簇中心,最后在BBO优化框架下进行数据簇结构的寻优.在4个标准数据集(Iris、Wine、Glass与Diabetes)的实验中,实验结果表明该算法不仅提高聚类的有效性,而且相对于传统的优化算法具有更好的优化能力和收敛度.Random initial population strategy for traditional BBO algorithm decreases clustering algorithm performance problems, this paper proposes a hybrid clustering algorithm based on SOM And BBO, by optimizing the initialization method of neuron weighting SOM algorithm, And then to improve the SOM to calculate data clustering initial cluster centers, And finally in BBO Optimization framework for data cluster structure Optimization. In four standard data sets （Iris, Wine, Glass and Diabetes） experiments, the results show that the algorithm not only improve the effectiveness of the clustering, and compared with the traditional optimization algorithm has better optimiza- tion ability and convergence degree.

关 键 词：BBO算法 聚类 SOM算法 优化 

分 类 号：TP309[自动化与计算机技术—计算机系统结构]