《表4 Dataset2数据集上的实验结果》
从表2~5可以看出:由于对初始值的敏感度较大,模糊C-均值聚类算法聚类效果比较差;混合蛙跳算法虽然鲁棒性和收敛速度较好且克服了局部极值问题,但是应对大数据聚类划分问题时精度较低;PSO-FCM算法将粒子群优化算法与模糊C-均值聚类算法结合,利用群智优化算法的优点较好地提高了局部搜索能力,优化了聚类效果,从而得到了较高的准确性。本文提出的融合算法利用混合蛙跳算法最优解来调整模糊C-均值聚类中的聚类中心值,并合理选取适应度函数,提高了全局搜索能力和搜索精度,获得了较好的聚类效果,与PSO-FCM算法的效果相近。
图表编号 | XD0028773700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.04.15 |
作者 | 唐新宇、张新政、赵月爱 |
绘制单位 | 广东工商职业学院计算机应用技术系、广东工业大学自动化学院、太原师范学院计算机系 |
更多格式 | 高清、无水印(增值服务) |