一种协作的萤火虫算法在聚类问题上的应用

莫愿斌 马彦追 郑巧燕

(1.广西民族大学,南宁 530006；2.广西混杂计算与集成电路设计分析重点实验室,南宁 530006)

在对化工过程的分析与控制过程中，通常面临大量的数据处理问题。对数据集进行精确合理的聚类分析是数据处理的一个有效步骤，因此，在化工过程的建模、分析与控制中，数据的聚类分析广受关注[1～3]。

聚类分析是数据挖掘领域中的一个重要组成部分，是最重要的数据分析方法之一。它是根据数据集中数据之间的相关性，按照特定的准则，将其分为若干类的过程，其目的是使属于同一类的元素特性相似度较大，而不同种类元素之间的差异性较大。关于聚类分析的研究已有了很长的历史，其重要性越来越受到人们的关注。作为非监督学习的方法，聚类分析能够识别研究对象特征数据的内在关系，是一种非常有效的信息处理方法。目前已经有很多种聚类的算法，文献[4]提出了一种基于扩展的多密度网格聚类算法，具有较高的聚类精度，但聚类结果对参数的设置较为敏感；文献[5]把传统的模糊C均值聚类算法与自适应策略结合起来，形成了新的模糊聚类算法，该算法有较快的收敛速度，但是选择一个合适的模糊指数较为困难；文献[6]提出一种改进的最小生成树自适应分层聚类算法，对于形状比较简单的聚类能够得到较好的聚类结果，但不能发现形状比较复杂的聚类；最经典的聚类算法是K-均值算法，近些年来，K-均值聚类算法已应用到许多领域，但该算法存在对初始值敏感及容易陷入局部最优值等不足。……