论文研究 一种改进K means聚类的FCMM算法.pdf

针对K-means算法易受初始聚类中心影响而陷入局部最优的问题，提出一种基于萤火虫智能优化和混沌理论的FCMM算法。利用最大最小距离算法确定聚类类别值K和初始聚类中心位置，以各聚类中心为基准点，利用Tent映射构建混沌空间，通过混沌搜索更新聚类中心，以降低初始聚类中心过于临近的影响，并改善算法易陷入局部最优的问题。仿真结果表明，FCMM算法的平均聚类精度相较于经典K-means算法和FA算法分别提高了7.51%和2.2%，成功避免算法陷入局部最优解，提高了划分初始数据集的效率和寻优精度。