蚁群聚类算法

人工智能103

1.问题描述:

为了提高蚁群化学聚类算法的聚类效果 ,通过引入径向基核函数改进蚁群化学聚类算法的相似度度量 式 ,提出了核蚁群化学聚类算法。将核蚁群化学聚类算法用于三个标准数据集合 ,计算结果表明与蚁群化学聚 类算法相比 ,核蚁群化学聚类算法聚类效果提升显著。将核蚁群化学聚类算法、核自组织神经网络映射算法和 基于多项式核的结构化有向树数据聚类算法同时用于 Iris数据集合 ,结果显示三种核聚类算法聚类效果相当。

2.部分程序:

clc;
clf;
clear;
% X = 测试样本矩阵;
X1 = load('data.txt');
X = X1(:,1:2);

[N,n]=size(X); % N =测试样本数;n =测试样本的属性数;
K = 4; % K = 组数;
R = 100; % R = 蚂蚁数;
t_max = 1000; % t_max =最大迭代次数;
% 初始化
c = 10^-2;
tau = ones(N,K) * c; %信息素矩阵,初始值为0.01的NK矩阵(样本数聚类数)

输入验证码查看隐藏内容

扫描二维码关注本站微信公众号 Johngo学长
或者在微信里搜索 Johngo学长
回复 svip 获取验证码
wechat Johngo学长