matlab代码粒子群算法Hybrid-K-means-Pso（MATLAB）
K-Means的高级版本，使用粒子群算法对高维数据集进行聚类，可以更快地收敛到最佳解决方案。
“聚类”是一种用于对数据集中的元素进行分区的技术，以便将相似的元素分配给相同的群集，而将具有不同属性的元素分配给不同的群集。
快速，高质量的文档聚类算法在有效地导航，汇总和组织信息方面起着重要作用。
分区聚类算法更适合于对大型数据集进行聚类。
在此项目中，我们将实现带有K-means文档聚类算法的混合粒子群优化（PSO），该算法执行快速文档聚类，并且可以避免陷入各种高维数据集的局部最优解中。
PSO与K-means混合算法结合了PSO算法的全局搜索能力和K-means算法的快速收敛性。
对获得的结果进行分析，并比较该算法在大型数据集上的准确性和性能。
数据集：IRIS，扑克，心脏，避孕方法选择数据集（取自UCI存储库）
如果还需要gui和代码，请复制所有gui文件。
否则，只需复制您所需数据的各个Kmeans.m，KPSO.m和KPSOK.m文件，然后以相同的顺序执行即可。
还包括所有数据文件。
完整的信息，背景和
2021-07-05 12:24:48
2.48MB
1
程序中包含了fisher的MATLAB程序，以及实验所用的数据。能够对实验中提供的二维数据进行正确的分类。
2021-06-30 22:14:14
32KB
1
TSNE降维
降维就是用2维或3维表示多维数据（彼此具有相关性的多个特征数据）的技术，利用降维算法，可以显式地表现数据。（t-SNE）t分布随机邻域嵌入 是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。
python代码
km.py
#k_mean算法
import pandas as pd
import csv
import pandas as pd
import numpy as np
#参数初始化
inputfile = 'x.xlsx' #销量及其他属性数据
outputfile = 'x_1.xlsx' #保存结果的文件名
k = 2
2021-06-24 14:12:11
68KB
1
为确保高维数据的神经网络分类精度,提出了先降维后分类的方法。采用主成分分析(PCA)法实现高维数据的降维。通过分析传统BP算法,提出分两步来更新网络权值的扰动BP学习方法。采用MATLAB对降维分类算法的分类精度和误差收敛速度进行分析。仿真结果显示:先降维再采用扰动BP网络进行高维数据分类可大大提高数据的分类精度和训练速度。
2021-05-23 14:28:34
1.77MB
1
EM算法逼近GMM参数针对二维数据点的python实现。
GMM即高斯混合模型，是将数据集看成是由多个高斯分布线性组合而成，即数据满足多个高斯分布。EM算法用来以迭代的方式寻找GMM中个高斯分布的参数以及权值。GMM可以用来做k分类，而混合的高斯分布个数也就是分类数K。
2021-05-14 09:17:06
184KB
1