针对模糊C均值本文提出将基于蚁群算法的模糊聚类算法应用于文本聚类中,聚类采用二级结构,蚁群算法(ACA)作为一级结构,模糊C均值聚类FCM用于二级结构。将此算法对文本集合进行聚类实验,并用分离系数、分离熵来判断模糊划分的效果,实验结果表明,与FCM相比,该算法具有较好的聚类效果。
2023-03-21 10:37:35
909KB
1
信息素矩阵初始化
信息素矩阵维数为N*K（样本数*聚类数）初始值为0.01。
c = 10^-2;
tau = ones(N,K) * c; %信息素矩阵，初始值为0.01的N*K矩阵（样本数*聚类数）
2022-06-04 13:01:06
406KB
1
蚁群算法matlab代码基于蚁群的聚类
MATLAB
中基于蚁群的聚类
描述
MATLAB
代码
ACOmain.m
是一个简单的
ACO
算法实现，使用
4
个高斯分布的合成数据集进行编码。
运行时的代码提供了处理数据的蚁群的漂亮可视化。
编码风格
我只能访问
MATLAB
2007。代码可能没有遵循所有的最佳实践，也可能不是最佳的，但它旨在为任何希望使用它并改进它的人提供一个良好的开端。
接触
电子邮件：madvncv
[at]
gmail.com
2022-04-24 14:40:00
5KB
1
信息素更新
对信息素矩阵进行更新，更新方法为
新值为原信息素值乘以(1 - rho)，rho为信息素蒸发率，在加上最小偏差值的倒数。
for i = 1 : N
tau(i,best_solution(1,i)) = (1 - rho) * tau(i,best_solution(1,i)) + 1/ tau_F;
信息数更新之后，再根据新的信息数矩阵，判断路径。进行迭代运算。直到达到最大迭代次数，或偏离误差达到要求值。
2022-04-23 16:24:07
406KB
1
该算法，解决了不收敛的问题，聚类效果非常好（效果图如附件图片所示）。改进的蚁群算法是基于遗传算法的改进，在基本遗传算法的基础之上，加入了变异因子，产生变异，从而更快的收敛。
2021-11-28 20:22:08
258KB
1