灰狼算法 c语言 代码,基于灰狼优化的模糊C—均值聚类算法

谢亮亮+刘建生+朱凡

摘要：针对模糊C-均值聚类算法(FCM)存在易受初始聚类中心影响和容易陷入局部最优的问题，提出了一种将灰狼优化算法(GWO)和模糊C-均值相结合的新聚类算法(GWO-FCM)。该算法利用GWO算法强大的全局寻优能力对FCM算法的聚类中心进行优化，模拟灰狼优秀的搜寻猎物行为找到一组最佳聚类中心来提高FCM的聚类效果。通过UCI数据集的仿真结果和算法比较验证了该算法的有效性。关键词： 聚类分析；灰狼优化算法；模糊C-均值聚类；初始聚类中心；全局优化DOI：10.11907/rjdk.171030中图分类号：TP312文献标识码：A文章编号：16727800(2017)0040028030引言 聚类是数据挖掘领域中必不可少的技术，是在事先没有分类规则下，根据事物间的特征相似度对事物进行区分和分类。它的主要任务是按准则把所有数据