研究文章

应用数据聚类特性,加快蚁群优化

算法1

输入参数:
:训练集
:类的数量
:停止为聚类阈值。
:初始质心集。
:一个参数来调整subs-ets紧凑的大小
输出:
(即。co-mpact子集的集合,见图1)
,在那里 ,它是由分散的点
( ,见图1)
无效的子程序1( )
{
步骤1。初始化:让迭代数 。让 。让 ,在那里
根据初始质心集表示空集。 训练集,生成初始分区
步骤2。而
步骤2.1。生成新的重心组 和新分区
/ *注意:检查是否熵序列{ }是收敛的。如果是收敛的,
让收敛StableMarker标志 * /
步骤2.2。为
估计类的熵 ,也就是说,
如果
其他的
}
/ *注意:提取数据的质心类作为一个真正的类* /
步骤2.3。为
如果
计算紧凑的中部地区 根据公式(3)
计算 :
更新训练集:
更新质心设置:
}
}
}
}