一种新的模糊C均值聚类算法的优化方法.pdfVIP

第 12卷第3期 信 息 工 程 大 学 学 报 Vo1．12 NO．3 2011牟 6月 JournalofInformationEngineeringUniversity Jun．2011 一 种新的模糊 C均值聚类算法的优化方法 储慧琳，赵 博，张兴明 (信息1二程大学 国家数字交换系统工程技术研究 中心 ，河南 郑州 450002) 摘要：针对模糊 C均值聚类算法对初始值敏感、易陷入局部最优的缺陷，提 出一种新的优化方 法。该方法通过分集聚类的结果初始化粒子群，得到逼近全局最优的聚类中心，再进行全局聚 类，能有效避免陷入局部最优。真实数据集上的实验结果表 明模糊 c均值算法经该方法优化 后，能快速收敛至全局最优解，在保证聚类速度的同时提高 了聚类精度 。 关键词：模糊 c均值 ；粒子群算法；分集聚类；全局寻优 中图分类号 ：TP391．4 文献标识码 ：A 文章编号 ：1671—0673(2011)03—0347—05 NovelOptim ization M ethod forFuzzy C-M eansAlgorithms CHU Hui一]in ，ZHAO Bo ，ZHANG Xing—uring (NationalDigitalSwitchingSystem Engineering＆ TechnologicalRD Center， InformationEngineeringUniversity，Zhengzhou，450002，China) Abstract：ConsideringfuzzyC-meansclusteringalgorithmsaresensitivetoinitializationandeasyfall· entolocalminimum ，anoveloptimizationmethodisproposed．Inthismethodparticleswarm isini— tializedthroughtheresultofsubsetclusteringinordertogetthenearglobaloptimalclusteringcen— ter，underwhichclusteringOilfullsetisthendonetoavoidgettingintolocaloptimum．Experiments onrealdatasetshow thatoptimizedfuzzyC·m·eansalgorithmsquicklyconvergetoglobaloptimalSO— lutions，guaranteethe clusteringspeedand increase clusteringaccuracy． Keywords：fuzzyC—means；particleswarm optimization；subsetclustering；globaloptimization 在基于 目标函数最优的聚类算法中，模糊 c均值 (FuzzyC—Means，FCM)算法因计算简单、快速而广泛 应用于模式识别 、图像处理以及入侵检测等众多领域，并且获得了不错的效果。当前 的模糊 c均值算法 包括两种：传统 的FCM和核版本的FCM(KernelFuzzyC—Means，KFCM)。传统的FCM算法 比较适合球形 数据的聚类，不适合多种数据结构 ，且算法对初始聚类 中心的选择敏感 ，易陷人局部最优。Bezdek等 已 经证明FCM算法只能保证收敛到不动点 ，不能保证收敛到 目标 函数的极小值点 ，有时会收敛到 目标函数 的鞍点。为了解决传统的FCM算法不适合多种数据结构 的问题 ，核函数被引入 FCM算法 ，由此产生 的 KFCM算法 。将数据通过核 函数映射到i高维空间，扩大了数据 间的差异 ，然后再进行 FCM 聚类 ，较好地 解决了FCM算法不能处理非超球体数据 ，不对称数据等多种类型数据 的问题 ，提高了聚类 的精度。但是 KFCM仍然存在和传统 FCM 同样的问题