任宇轩

摘 要：对模糊C均值聚类算法进行改进，提出了一种基于改进模糊C均值的航材聚类分析。首先根据模糊聚类隶属度基数，自动计算算法聚类类别数。然后，运用模拟退火遗传混合算法优化初始聚类中心。最后，根据航材保障数据，对航材进行聚类分析。

关键词：航材保障;模擬退火遗传算法;模糊C均值;聚类分析

航材保障工作是支撑飞机遂行任务的关键一环。飞机由于精密程度高，零备件数量极多，价值、可靠性、维修性、保障性等属性相差较大，在航材保障工作中，对航材的管理不能一概而论，要对不同特性的航材有不同的管理方法。所以航材聚类分析在航材保障工作中就十分重要。对于聚类算法而言，聚类类别数和初始聚类中心的选择直接影响聚类的结果。针对上述问题，本文对模糊C均值聚类算法进行了改进提出了运用模拟退火遗传混合算法优化的模糊C均值聚类算法对航材进行聚类分析，对航材保障工作的科学管理提供依据。

1 模糊C均值聚类

模糊C均值聚类算法是一种无监督的聚类分析方法，该方法将样本按照某种规则分成数个类别，分类结果中同一类别中的航材在某些特性中具有较高的相似性，而不同类别的航材相差较大。由此可见聚类分析对于航材保障工作的分类管理比较重要。

模糊C均值算法是基于目标优化的聚类方法，该算法将n个样本X（x1，x2……，xn）聚类为c（1

2 改进模糊C均值聚类算法

模糊C均值算法是根据先验知识进行指导的聚类分析，该算法受聚类中心的初始值影响比较大。