基于自适应布谷鸟搜索的模糊聚类算法

由于布谷鸟算法的步长控制因子和发现概率在算法运行过程中保持固定，影响算法的整体寻优效率和寻优精度，为此提出一种自适应设置步长控制因子和发现概率的布谷鸟搜索算法，并利用它优化模糊聚类随机选取初始聚类中心影响聚类效果的缺陷。首先根据搜索阶段的不同自动调节两个参数，使全局和局部的搜索能力达到最平衡的状态，提高整体的搜索效率；然后用改进的布谷鸟搜索算法优化模糊聚类算法，使得算法达到更好的聚类效果。在对比实验中验证了改进后的自适应布谷鸟搜索算法在寻优速度和精度上效果更优。通过比较4种算法在UCI数据集上的聚类效果，验证了改进后的算法在聚类准确率和稳定性上都有所提升。