Fuzzy clustering algorithm based on selection and mutation mechanism shuffled frog leaping algorithm
基于选择和变异机制的蛙跳FCM算法

为了改进模糊C-均值（FCM）聚类算法对初始值和噪声数据敏感，且易陷入局部极小值的缺点，提出一种基于选择和变异机制的蛙跳FCM算法（SMSFLA-FCM）。该算法首先将线性递减的惯性权重引入蛙跳算法的更新策略中，按照一定的概率选择适应度值较优的青蛙代替较差青蛙，并对每只青蛙个体以不同的概率变异；再用改进后的蛙跳算法求得最优解作为FCM算法的初始聚类中心；然后利用FCM优化初始聚类中心；最后求得全局最优解，从而有效克服了FCM算法的缺点。人造数据和经典数据集的实验结果表明，SMSFLA-FCM与SFLA-FCM和FCM聚类算法相比，提高了算法的寻优能力，且迭代次数更少，聚类效果更好。