利用PSO算法优化k-means初始聚类中心选择

最新推荐文章于 2024-10-19 10:30:20 发布

NEFUZYJ

最新推荐文章于 2024-10-19 10:30:20 发布

阅读量3.3k

点赞数 1

分类专栏：机器学习文章标签： K-means PSO

本文链接：https://blog.csdn.net/NEFUZYJ/article/details/102526202

版权

本文整理了如何使用PSO（粒子群优化）算法来优化K-means聚类的初始中心选择，通过结合这两种方法提高聚类效果。参考了相关文章并实现了代码，原文链接见内。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考另一篇文章的。感觉思路很好。本人整理了一下代码。

原文链接：https://blog.csdn.net/u013638553/article/details/40824715


import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import java.lang.reflect.Array;
import java.util.*;

public class Particle {
    public static void main(String[] args) throws IOException{
        PSO pso = new PSO();
        pso.readfile();
        pso.createpso();
        pso.Initialize();
        pso.Search();
    }
}

class Agent{

    public static int iPOSNum = 20;// 粒子个数
    public static int iAgentDim = 2;// 粒子维度

    public static int ikmeans = 2; // 聚类中心数

    private final double w = 0.9;
    private final double c1 = 1;
    private final double c2 = 1;
    public double[] dpos = new double[iAgentDim*ikmeans];// 粒子的位置
    public double[] dpbest = new double[iAgentDim*ikmeans]; // 粒子本身的最优位置
    public double[] dv = new double[iAgentDim*ikmeans]; // 粒子的速度
    private double m_dFitness=0;
    public double m_dBestfitness; // m_dBestfitness 粒子本身的最优解，适应度

    private Random random = new Random();
    public static double[] gbest = new double[iAgentDim * ikmeans];
    public static List<ArrayList<Double>> result = new ArrayList<ArrayList<Do