APP下载

一种基于人工免疫网络的模糊c均值聚类算法

2018-04-10◆董雪

网络安全技术与应用 2018年4期

◆董 雪



一种基于人工免疫网络的模糊c均值聚类算法

◆董 雪

(四川大学计算机学院 四川 610065)

传统模糊c均值聚类算法(FCM)需要对整个数据集进行复杂地迭代计算,当数据量增大时,算法变得耗时。为减少参与FCM迭代计算的数据量,提出一种基于人工免疫网络的模糊c均值聚类算法。首先利用人工免疫网络对原始数据集进行预处理,产生考虑了原始数据密度信息的代表性样本,然后用样本数据代替原始数据参与FCM的迭代计算,最后将聚类信息扩展到原始数据集并调整聚类中心。实验结果显示,相较于传统FCM算法,新算法在保持相近聚类准确度的情况下,有效地降低了聚类时间。

模糊c均值聚类算法; 模糊聚类; 人工免疫网络

0 引言

模糊c均值算法(FCM)是一类代表性的模糊聚类算法,它能够定量地描述每个数据点对各个聚类中心的隶属度,相较于硬聚类算法,更好地贴合人类的思维模式。FCM算法通过最小化一个目标函数来得到聚类结果,巧妙地将模糊聚类问题转化为最优化问题,目前FCM算法及其改进算法已被广泛应用于图像分割、模式识别、网络安全等领域[1-3]。

然而,传统的FCM算法使用整个数据集参与复杂的迭代运算,当处理大量数据的聚类问题时,变得相对耗时。如果我们能够找到少量的代表性样本数据,代替原始数据参与迭代计算获得近似的聚类结果,将会大幅降低聚类时间。这个问题可以通过一个数据压缩过程来实现。

人工免疫网络算法因其在数据压缩、优化等领域的卓越表现已得到广泛关注[4-5]。……

登录APP查看全文