基于粒子群算法的模糊测试方法的研究，王旋，崔宝江，为了对现如今愈发泛滥的软件脆弱性的检测，本文中提出了一种基于模型的格式约束技术与基于粒子群算法相结合的模糊测试方法，解决

模糊C-均值算法是一种无监督的数据分类方法。基于FCM算法对随机初始值敏感，易陷入局部极致点这个问题，引入粒子群优化算法。粒子群算法的核心思想是让每个粒子根据自身和周围粒子的信息共享，实现全局搜索最优值。收敛速度快，全局搜索能力很强。利用粒子群算法的全局搜索能力，对FCM算法性能进行改进，将粒子群优化算法和FCM算法结合，用KDD99 数据集进行测试，实验结果表明，改进算法具有较高检测率和降低误报率。

针对现有基于核方法的直觉模糊聚类算法对初始值敏感、收敛速度慢等缺陷，利用粒子群优化算法全局搜索能力强、收敛速度快的优势，对直觉模糊核聚类算法的初始聚类中心进行优化，并提出了一种基于粒子群优化的直觉模糊核聚类算法。该算法在提升聚类性能的同时，有效增强了算法的收敛速度。在实验阶段，采用4组标准数据集对该算法进行了分类实验及有效性测试，并将其与模糊c均值聚类算法及直觉模糊c均值聚类算法的分类效果及运行时间进行对比，实验结果充分表明了该算法的有效性及优越性。