胡绍方，周　凤

(贵州大学 计算机科学与技术学院，贵州 贵阳 550025)



基于细菌觅食的FCM聚类算法

胡绍方，周凤

(贵州大学 计算机科学与技术学院，贵州 贵阳 550025)

针对FCM聚类算法对初始聚类中心敏感和易陷入局部最优解的缺点，提出一种基于细菌觅食的细菌觅食聚类算法。将细菌觅食算法与FCM算法相结合，并以反向学习来初始化细菌种群，增加种群的多样性和代表性，求得的最优解作为FCM算法的初始聚类中心，使FCM算法对初始聚类中心的依赖性降低，同时也降低了陷入局部最优解的可能性，提高了算法的稳定性。实验结果表明，该算法克服了FCM算法稳定性差的缺点，收敛速度更快，具有良好的性能和聚类效果。

细菌觅食优化算法；聚类；FCM

引用格式：胡绍方，周凤. 基于细菌觅食的FCM聚类算法[J].微型机与应用，2016,35(11)：8-10，13.

0　引言

随着计算机技术的发展，信息量的倍增，数据挖掘技术是当前技术研究的重点，而聚类是数据挖掘技术中的一个重要分支，它是一种以相似性为基础的无监督的机器学习技术，其目的是将目标数据集分成若干个簇，使得同簇内的数据相似度尽可能高，不同簇的数据相似度尽可能低。聚类技术目前应用非常广泛，在机器学习、模式识别、Web挖掘[1]领域等都有很好的应用前景。

模糊C-均值(Fuzzy C Means, FCM)是聚类技术的一个重要方法，它是1973年由DUNN J C[2]和BEZDEK J[3]提出的，属于基于目标函数的模糊聚类算法。FCM算法简单且快速，其应用非常广泛，目前已形成了庞大的体系。但是FCM算法也存在缺点，主要表现在[4]: