论文研究 基于自适应步长的萤火虫划分聚类算法.pdf

在许多领域中，聚类是重要分析技术之一，如数据挖掘、模式识别和图像分析。针对K-means算法过度依赖初始聚类中心的选择而陷入局部最优的问题，提出了基于自适应步长的萤火虫划分聚类算法（ASFA）。利用萤火虫算法的随机性和全局搜索性找到指定数量的初始簇中心，进一步利用K-means得到精确的簇划分。在萤火虫聚类优化算法中，采用自适应步长代替原有的固定步长，从而避免算法陷入局部最优，且能获得精度更高的解。为了提高算法性能，将改进的新算法用于不同规模大小的标准数据集中，实验结果表明，ASFA与K-means、GAK、PSOK对比显示了更好的聚类性能和更好的稳定性及鲁棒性，与其他文献中算法相比，ASFA