基于模糊C-均值的改进人工蜂群聚类算法

传统的模糊C-均值聚类算法存在对初始聚类中心选择与噪声数据敏感，容易使目标函数陷入局部最优的问题，以及标准人工蜂群算法局部搜索能力及开发能力不强的缺点。针对这些问题，引进差分进化的思想改进人工蜂群算法并对跟随蜂的搜索行为进行更准确的描述，结合模糊C-均值聚类算法具有收敛速度快、易于实现且局部搜索能力较强的优点，提出一种基于模糊C-均值的改进人工蜂群聚类算法以提高聚类的性能。实验结果表明，该算法相对于传统FCM聚类算法，其准确率和抗噪性有所提高，聚类效果更好。