基于Boltzmann选择的改进ABFM算法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用 基于Boltzmann选择的改进ABFM算法 赵小强 ，张守明 ZHA0 Xiaoqiang’～，ZHANG Shouming’’ I．兰州理工大学 电气工程与信息工程学院，兰州 730050 2．甘肃省工业过程先进控制重点实验室，兰州 730050 1．CollegeofElectricaland Information Engineering，Lanzhou University ofTechnology Lanzhou 730050，China ， 2．Key Laboratory ofGansu Advanced ControlforIndustrialProcesses．Lanzhou 730050．China ZHAO Xiaoqiang，ZHANG Shouming．M odified ABFM algorithm based on Boltzmann selection．Computer Engineering andApplications，2011，47(29)：182．185． Abstract：Fuzzy C-Means(FCM )clustering algorithm isone ofthemostwidely used methods in data mining，butthere stillexistsome defects，such asthe localoptima and sensitivity to initialization．Therefore．a new modified FCM clustering a1． gorithm(BABFM)isproposedbasedonABFM．BABFM algorithm appliesBoltzmannselectionmechanism insteadofroulette andusesminintervalstomaketheinitialgroupmoresymmetricalandhavebettercapacityofglobalsearch．Itcaneffectively solvefaults ofFCM ．According to the test，the new algorithm ismoreaccurate in clustering，higherefficiency na d feweriterations than FCM na dABFM clustering algorithm． Keywords：Fuzzy C—Means(FCM)；datamining；artificialbeecolony；Boltzmann selectionmechanism；BoltzmannArtificial BeecolonyFuzzyC．Meansclustering(BABFM) 摘 要：模糊C．均值 (FCM)聚类算法是数据挖掘中应用广泛的一种方法，但还存在容易陷入局部极小值和对初始值敏感的缺点， 为此提出了一种基于Boltzmann选择机制的改进人工蜂群的模糊C一均值聚类算法(BABFM)。该算法引入了Boltzmann选择机 制代替轮盘赌的选择方式，采用小区间生成法使初始群体均匀化，使得该算法的全局寻优能力更强，有效克服 了FCM算法的缺 点。实验结果表明，新算法与FCM和ABFM聚类算法相比聚类效果更准确，效率更高，迭代次数更少。 关键词：模糊C．均值 (FCM)；数据挖掘；人工蜂群；Boltzmann选择机制；基于Boltzmann选择机制的人工蜂群模糊C．均值聚类算 法 (BABFM ) DOI：10．3778／j．issn．1002．8331．2011．29．051 文章编号：1002．833l(2011)29．O182．04 文献标识码：A 中图分类号：TP391 近十多年来 ，聚类分析作为数据挖掘的主要方法之一 ，越 上是一种局部搜索寻优技术，通过极小化 目标函数来求得最 来越引起人们的关注。聚类是一种非监督模式识别过程 ，它 优解”1，由于基于目标函数的聚类过程是寻找极值点的过程， 把一个没有类别标记的数据对象集合按某种准则分割成若干