基于不确定性信息的脑风暴优化模型
参考文献
《Brain Storm Optimization Model Based on Uncertainty Information》
要点
本文基于不确定性信息提出了一种改进的头脑风暴优化。它采用亲和传播聚类而不是K-means聚类。同时,通过借用云滴算法的思想来引入组合多聚类信息的创建算子。所提出的头脑风暴优化是通过挖掘和利用候选解的不确定信息来提取特征,不需要设置聚类的数量。
一、亲和传播聚类
亲和传播(AP)算法是一种基于消息传递技术的新型聚类方法。
给出一组数据点(α1,α2,…,αn),并且让s是量化任何两点之间的相似性的函数,即如果αj比αk更类似于αi,则有s(i,j)> s(i,k)。
该算法通过交替的两个消息传递步骤进行,更新两个矩阵:责任矩阵和可用性矩阵。责任矩阵的值r(i,k)量化了如何取αk作为αi的样本。可用性矩阵的值a(i,k)表示ai选择αk作为其样本的程度。
首先,发送责任更新
然后,可用性更新
没看懂,看懂了继续。。。。。。