基于PSO-TVAC的中心自适应权的FCM聚类算法

摘要

针对传统FCM算法依赖于初始聚类中心、对噪声敏感、容易陷入局部最优、分类时会倾向于多数类等缺点,本文首先提出一种基于PSO-TVAC的中心自适应权的FCM聚类算法(CWAFCM)。新算法将中心权重向量Φ和自适应指数q引入目标函数,用以区分每个聚类中心的不同重要性;指数q和模糊因子m由粒子群算法(PSO-TVAC)优化;新提出一种聚类评价标准ACVI作为PSO-TVAC算法的适应度函数以提高聚类准确率。其次,将CWAFCM与过采样技术(SMOTE)相结合以适应于对不平衡数据聚类。通过对六个数据集(四个平衡数据集,两个不平衡数据集)进行仿真实验,结果表明CWFCM算法能够有效地优化聚类效果,且能提高不平衡数据集的聚类准确率。