计算智能与神经科学/2020/文章/Alg 1

研究文章

基于FCM和增强对数粒子群算法(ELPSO)的混合模糊聚类方法

算法1

ELPSO集群。
符号:
P: ELPSO的人口;ω_initial: ELPSO的初始惯量权重; 粒子的惯性重量l 加速度系数; 粒子的位置l 粒子的速度矢量l 粒子的最佳位置l立刻实现了t 蜂群在瞬间达到的最佳位置t 粒子的隶属度矩阵l 粒子的适应度值lT:最大迭代次数;
输入:数据集年代以及集群的数量C
输出:最佳位置
过程
(1) 创造出一群P粒子;
(2) 初始化ELPSO参数,包括种群大小Pω_initial对于每个粒子(l1、2、3、…P);
(3) 初始化 对于每个粒子(l1、2、3、…P), 群;
(4) 重复
(5) 计算隶属度矩阵 每个粒子;
(6) 计算标准 每个粒子;
(7) 计算 每个粒子;
(8) 计算 群;
(9) 更新的速度 ,每个粒子的13);
(10) 更新位置 ,每个粒子的14);
(11) 对于每个粒子(l1、2、3、…P)更新 使用方程(12);
(12) 商店 作为
(13) t=t+ 1;
}
直到满足ELPSO终止条件(∗)。
返回 矩阵。
(∗)这种方法中PSO的终止条件是tT(达到最大迭代次数)或者在多次迭代中速度更新接近于零。

年度文章奖:由主编评选的2020年杰出研究贡献。阅读获奖文章