一种协作的萤火虫算法在聚类问题上的应用

将协作搜索机制引入到萤火虫算法中,通过协作搜索机制在一定程度上能使萤火虫跳出局部极值,从而提高算法的寻优性能。通过对多个UCI数据集的仿真实验,并与其他算法,如K-均值算法、人工蜂群算法和粒子群算法进行对比。实验结果表明:基于协作的萤火虫聚类算法在聚类分析方面较这些算法具有更好的效果。

基于距离和密度双度量的模糊k-modes算法

大多数模糊k-modes的相关改进算法仅关注对象之间的距离,并未关注对象的空间分布对于聚类的影响。将距离和密度双度量的测度方法引入模糊k-modes算法进行改进,该方法将对象的空间分布考虑在内,从而以一种更加合理的方式更新对象的隶属度。通过来自于UCI机器学习库的数据集测试算法改进前与改进后的性能,算法改进后的聚类正确率高于改进前的,证明算法改进后性能更好。