一种改进萤火虫算法的模糊聚类方法

模糊C均值聚类容易受噪声数据影响,进而影响聚类准确率.鉴于此,提出了一种改进萤火虫算法的模糊聚类方法.该方法首先在萤火虫算法中引入Chebyshev映射初始化种群的分布;然后提出一种自适应步长方法来平衡探索与开发能力;最后在局部搜索过程中对每次迭代的最优个体加入高斯扰动策略,使其跳出局部最优.该过程拥有良好的寻优能力,易于得到全局最优值,将其作为模糊C均值聚类算法的初始中心进行聚类,可有效增强算法的鲁棒性,提高算法的全局寻优能力.为了评估算法的有效性,在4个数据集上进行了对比实验,实验结果表明该算法在聚类准确率和鲁棒性方面均优于对比算法.