針對核模糊C均值（ KFCM）算法對初始聚類中心敏感、易陷入局部最優的問題，利用人工蜂群（ABC）算法的構架簡單、全局收斂速度快的優勢，提出了一種改進的人工蜂群算法（ IABC）與KFCM迭代相結合的聚類算法。首先，以IABC求得最優解作為KFCM算法的初始聚類中心，IABC在迭代過程中將與當前維度最優解的差值的變化率作為權值，對雇傭蜂的搜索行為進行改進，平衡人工蜂群算法的全局搜索與局部開采能力；其次，以類內距離和類間距離為基礎，構造出適應KFCM算法的適應度函數，利用KFCM算法優化聚類中心；最后，IABC和KFCM算法交替執行，實現最佳聚類效果。采用3組Benchmark測試函數6組UCI標準數據集進行仿真實驗，實驗結果表明，與基于改進人工蜂群的廣義模糊聚類（IABC-KGFCM）相比，IABC-KFCM對數據集的聚類有效性指標提高1到4個百分點，具有魯棒性強和聚類精度高的優勢。
?