论文部分内容阅读
针对传统的混合蛙跳聚类算法在差分进化时，随着迭代次数的增加，聚类中心矢量向模糊边缘贴近，导致搜索精度不高，陷入局部最优的问题。提出一种基于最小二乘算法的混合蛙跳优化聚类算法，引入模糊集合贴近度运算，对聚类中心矢量执行全局更新，避免模糊边缘的局部最优解贴近。仿真测试采用合成的二维数据进行数据聚类实验并应用到软件故障预测模型中，实验结果表明，采用该算法进行目标数据聚类，具有更好的寻优进化性能，聚类精度提高明显，在数据分类识别等领域具有很好的应用价值。