暂无评论
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
本程序为粒子群算法基本程序,使用者可以用其作为模板做各种改进。
k均值聚类算法(k-means clustering algorithm)是一种迭代求解的聚类分析算法,其步骤是,预将数据分为K组,则随机选取K个对象作为初始的聚类中心,然后计算每个对象与各个种子聚类
为了高效求解动态连续优化问题, 提出一种分层粒子群优化算法. 该算法将动态函数定义域分成??个子空 间, 每个空间用一个粒子群作为第一层进行独立搜索, ??个子空间的最优粒子再组成一个全局粒子群进行全
针对PSO在寻优过程容易出现“早熟”现象，提出了一种基于Sobol序列的自适应变异PSO算法（SAPSO）。该算法以积分控制粒子群算法（ICPSO）为基础，使用准随机Sobol序列初始化种群个体，并在
一种改进的粒子群优化算法的研究，刘斌，，利用种群的平均信息和保持活性策略。试图改变粒子群优化算法的性能，从而提出一种带有种群平均信息和保持活性策略的粒子群优化算
为改善多目标粒子群算法的收敛性和多样性,通过对粒子群算法全局极值和个体极值选取方式的研究,采用随机选取和评估选取相结合的方法选取全局极值和个体极值,提出了一种可用于解决多目标优化问
初始中心的选取对算法的影响 棋盘格数据集(Checkerboard data set) 仅使用其中486个正类数据并将数据变换到[-1,1]之间分布情况如下图所示 初始中心的选取对算法的影响 初始聚类
k-means聚类数据集,包含dataSet.txt, dataSet2.txt以及其它。
算法简介 ? k -means 算法也被称为 k - 平均或 k - 均 值是一种得到最广泛使用的聚类算法 它 是将各个聚类子集内的所有数据样本 的均值作为该聚类的代表点算法的主 要思想是通过迭代过程
暂无评论