论文研究基于SFLA和FCM的Web搜索结果聚类.pdf

针对模糊聚类算法中存在的对初始值敏感、易陷入局部最优等问题，提出了一种融合改进的混合蛙跳算法（SFLA）的模糊C均值算法（FCM）用于Web搜索结果的聚类。新算法中，使用SFLA的优化过程代替FCM的基于梯度下降的迭代过程。改进的SFLA通过混沌搜索优化初始解，变异操作生成新个体，并设计了一种新的搜索策略，有效地提高了算法寻优能力。实验结果表明，该算法提高了模糊聚类算法的搜索能力和聚类精度，在全局寻优能力方面具有优势。