聚类分析是研究多要素事物分类问题的数量方法。基本原理是根据样本自身的属性，用数学方法按照某种相似性或差异性指标，定量地确定样本之间的亲疏关系，并按这种亲疏关系程度对样本进行聚类。
常见的聚类分析方法有系统聚类法、动态聚类法和模糊聚类法等。
2021-05-21 11:54:37
511KB
1
提出了一种用于全局优化的基于动态聚类的差分进化算法（CDE），以提高差分进化（DE）算法的性能。 随着人口的发展，CDE算法逐渐从早期探索有希望的领域转变为在后期探索具有高精度的解决方案。 对28个基准问题（包括13个高维函数）进行的实验表明，该新方法能够有效地找到接近最优的解。 与其他现有算法相比，CDE以更少的计算量提高了解决方案的准确性。
2021-02-22 18:06:00
268KB
1
本资源通过matlab编写的动态模糊聚类算法，并且包含形成模糊矩阵的不同方法，最后形成直观的动态聚类图，结果十分直观，对理解模糊算法及动态聚类有相当大的帮助。
2019-12-21 21:26:37
6KB
1