基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109086831A(43)申请公布日2018.12.25(21)申请号201810935647.1(22)申请日2018.08.16(71)申请人李宏伟地址450000河南省郑州市二七区陇海中路66号65号楼1单元13号(72)发明人李宏伟卫建华田智慧赫晓慧郭恒亮王晓蕾赵姗(74)专利代理机构郑州先风专利代理有限公司41127代理人王俊红(51)Int.Cl.G06K9/62(2006.01)G06N3/00(2006.01)权利要求书2页说明书10页附图2页(54)发明名称基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法(57)摘要本发明涉及人工蜂群算法技术领域，具体涉及基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，该算法包括初始化阶段、引领蜂阶段、跟随蜂阶段和侦查蜂阶段，还包括如下步骤：步骤一：跟随蜂阶段结束后，判断当前算法是否是第一次循环；若是，则执行步骤二；若不是，则执行步骤三；步骤二：将当前的最优解作为模糊C-均值聚类算法的初始聚类中心进行优化，若优化后的解的质量高于当前最优解，则用优化后的解代替当前最优解，否则放弃，同时相应蜜源的迭代次数加1，然后进入侦查蜂阶段；步骤三：判断最优解在跟随蜂阶段后是否发生改变；若是，则执行步骤二；若否，则进入侦查蜂阶段。本发明所提供的算法聚类准确率高、收敛速度快、寻优精度高。CN109086831ACN109086831A权利要求书1/2页1.一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，包括初始化阶段、引领蜂阶段、跟随蜂阶段和侦查蜂阶段，其特征在于，还包括如下步骤：步骤一：跟随蜂阶段结束后，判断当前算法是否是第一次循环；若是第一次循环，则执行步骤二；若不是第一次循环，则执行步骤三；步骤二：将当前的最优解作为模糊C-均值聚类算法的初始聚类中心进行优化，若优化后的解的质量高于当前最优解，则用优化后的解代替当前最优解，否则放弃，同时相应蜜源的迭代次数加1，然后进入侦查蜂阶段；步骤三：判断最优解在跟随蜂阶段后是否发生改变；若发生改变，则执行步骤二；若没有发生改变，则进入侦查蜂阶段。2.根据权利要求1所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，所述引领蜂阶段和/或跟随蜂阶段中产生新蜜源的公式为：vij＝xij+θ×(xij-xkj)其中，所述θ为非线性变化因子，vij表示新蜜源，xij表示当前蜜源，xkj表示相邻蜜源，i，k∈{1，2，...，SN}表示蜜源的数量，且k≠i；j∈{1，2，...，D}代表被更新的蜜源的维度。3.根据权利要求2所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，所述非线性变化因子θ为：其中m，n为系数，Cycle表示当前循环迭代次数，MaxCycle表示最大循环迭代次数，其中rand为随机函数。4.根据权利要求3所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，，所述m，n的取值范围分别为：m∈[1，1.5]，n∈[0，0.2]。5.根据权利要求1所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，所述跟随蜂阶段包括以下步骤：按照引领蜂的蜜源适应度值的大小由低到高排序，并为每个蜜源赋予权值；根据赋予权值的适应度值，跟随蜂通过轮盘赌的选择方式选择蜜源并进行邻域搜索产生新蜜源。6.根据权利要求5所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，所述蜜源的权值的计算公式为：其中，w(i)表示蜜源的权值，取值范围在[0，1]之间；SN表示引领蜂的数量。7.根据权利要求1所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，所述引领蜂阶段和/或跟随蜂阶段中产生新蜜源后，若新蜜源适应度值大于旧蜜源的适应度值则用新蜜源替换旧蜜源，反之则保留旧蜜源。8.根据权利要求1所述的一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法，其特征在于，在所述侦查蜂阶段之后还包括如下步骤：判断该算法的循环次数是否已达到最大循环次数；若达到，则终止程序；若未达到，则返回引领蜂阶段，继续进行领域搜索更2CN109086831A权利要求书2/2页新蜜源。3CN109086831A说明书1/10页基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法技术领域[0001]本发明涉及人工蜂群算法技术领域，具体涉及一种基于模糊C-均值算法和人工蜂群聚类算法的混合聚类算法。背景技术[0002]关于模糊C-均值算法：[0003]1974年Dunn在Bezdek的研究基础上提出模糊C-均值(FCM)聚类算法，被广泛应用于地理空间信息、图像处理、数据挖掘等多