研究文章
一种改进的模糊c——基于跟踪集和PSO聚类算法
| (1)初始化和,让,真正的数字,迭代计数器,迭代计数器、最大 |
| 迭代数的算法。 |
| (2)初始化种群规模粒子的初始速度,粒子的初始位置,,,的阈值 |
| 和流失率。 |
| (3)做{ |
| 重复{ |
| (一)更新分区矩阵为所有粒子(3)。 |
| (b)计算每个粒子的聚类中心(4)。 |
| (c)计算每个粒子的适应度值(7)。 |
| (d)计算为每个粒子。 |
| (e)计算群。 |
| (f)更新每个粒子的速度和位置(5)。 |
| (g) |
| } |
| 直到算法终止条件满足 |
| (我)计算最优阈值分区矩阵的每一列由(12), |
| 和搬迁的th集群根据 |
| (2)计算基数每个集群的基础上的数量数据成员的值等于1 (14), |
|
|
| (3)删除所有集群的和就是其中之一最低基数 |
| (iv)更新集群数量C |
| (v)计算集群有效性指数由(13) |
| (vi)更新迭代计数器 |
| } |
| 而不满足终止条件 |
|
该方法的算法的终止条件(到达最大迭代数)或速度 |
| 更新近一分之零的迭代次数。 |
|
该算法可以终止在以下两个条件: |
| (1)原型参数稳定在某个阈值。 |
| (2)集群的数量已达到最低极限。 |
|
