基于Levy飞行的萤火虫模糊聚类算法

发布时间：2021-02-25 12:56

　　针对模糊C均值（FCM）聚类算法易受初始聚类中心影响而陷入局部最优问题,提出了一种基于Levy飞行的萤火虫模糊聚类算法（LFAFCM）。该算法改变萤火虫算法的随机移动策略,以平衡算法局部搜索和全局搜索能力;萤火虫位置更新过程中引入Levy飞行机制,以提高全局寻优能力;根据迭代次数和萤火虫位置动态调整每个萤火虫的尺度系数,以限制Levy飞行可搜索范围,并加快算法收敛速度。利用5个UCI数据集对算法进行实验验证,实验结果表明,该算法有效避免了陷入局部最优并具有较快的收敛速度。 

【文章来源】：计算机应用. 2019,39(11)北大核心

【文章页数】：6 页

【文章目录】：
0 引言
1 相关算法
    1.1 模糊C均值聚类算法
    1.2 萤火虫算法
        1.2.1 算法原理
        1.2.2 算法的数学描述
            1)萤火虫亮度:
            2)萤火虫之间的相对吸引度:
            3)萤火虫i被比其明亮的萤火虫j吸引而移动,其位置更新公式为:
2 基于Levy飞行的萤火虫模糊聚类
    2.1 Levy飞行机制
    2.2 基于Levy飞行的萤火虫模糊聚类
        1)避免局部最优。
        2)减少迭代次数。
    2.3 LFAFCM算法步骤
    2.4 时空复杂度分析
        2.4.1 时间复杂度分析
        2.4.2 空间复杂度分析
3 实验
    1)数据集的极值。
    2)LFAFCM聚类效果。
    3)LFAFCM收敛速度。
4 结语


【参考文献】：
期刊论文
[1]新模糊聚类有效性指标[J]. 耿嘉艺,钱雪忠,周世兵.  计算机应用研究. 2019(04)
[2]基于混合萤火虫算法的RFID网络多目标规划[J]. 王晔娇,周晖.  计算机应用研究. 2018(10)
[3]基于模糊c-means与自适应粒子群优化的模糊聚类算法[J]. 耿宗科,王长宾,张振国.  计算机科学. 2016(08)
[4]一种基于混沌云模型的人工萤火虫优化算法[J]. 张亚楠,刘升.  小型微型计算机系统. 2015(11)
[5]基于特征选择的模糊聚类异常入侵行为检测[J]. 唐成华,刘鹏程,汤申生,谢逸.  计算机研究与发展. 2015(03)
[6]一种基于多种群学习机制的萤火虫优化算法[J]. 符强,童楠,赵一鸣.  计算机应用研究. 2013(12)
[7]基于自适应t分布混合变异的人工萤火虫算法[J]. 杜晓昕,张剑飞,孙明.  计算机应用. 2013(07)
[8]一种基于萤火虫算法的模糊聚类方法[J]. 林睦纲,刘芳菊,童小娇.  计算机工程与应用. 2014(21)



本文编号：3051002