IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
入侵杂草优化算法是一种模拟自然界杂草殖民过程的一种新型智能优化方法，具有结构简单、参数少、鲁棒性强、易于理解和易于编程等特点，目前，入侵杂草优化算法已被成功应用到许多领域。但该算法本身也存在着易陷入局部最优，后期寻优精度不高等缺陷，大大地限制了入侵杂草优化算法的应用范围。针对入侵杂草优化算法存在的寻优精度不高和早熟现象，提出了利用杂草算法的种群多样性进行全局搜索，同时用复合形的反射、延伸、压缩等运算产生一个新解替代当前种群中最差的个体来进行局部搜索，可有效地避免算法早熟现象，同时提高了算法的寻优精度，增加算法的收敛速度。
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）
文件下载
资源详情
[{"title":"（ 6 个子文件 401KB ） IWO-Kmeans侵入性杂草优化K均值聚类算法（Matlab）","children":[{"title":"license.txt <span style='color:#111;'> 1.45KB </span>","children":null,"spread":false},{"title":"ClusterCost.m <span style='color:#111;'> 312B </span>","children":null,"spread":false},{"title":"Invasive Weed Optimization (IWO) Clustering.jpg <span style='color:#111;'> 460.30KB </span>","children":null,"spread":false},{"title":"IWO Clustering.m <span style='color:#111;'> 5.08KB </span>","children":null,"spread":false},{"title":"dat.mat <span style='color:#111;'> 27.83KB </span>","children":null,"spread":false},{"title":"PlotRes.m <span style='color:#111;'> 1.41KB </span>","children":null,"spread":false}],"spread":true}]
评论信息
其他资源
- 软件体系结构原理、方法与实践（第2版）.张友生(带书签文字版).pdf_软件体系结构原理方法与实践pdf,软件体系结构原理、方法与实践-其它文档类资源
- 捷联惯导初始对准程序matlab，精对准，
- 好人多窗口同步器
- HTML/CSS/JS仿英雄联盟网站.zip
- 基于LDAP的单点登录方案的设计与实现
- CUDA9.1版本以及补丁CUDNN
- AStyleExtension 3.1 for vs2013 vs2015 vs2017 vs2019
- Programming in C - Stephen G. Kochan - 第三版中英文 - 第四版英文
- 实数编码遗传算法中常用变异算子的Matlab实现及应用
- QT下的SQL数据库 图书馆管理系统
- 13.2： 创建集群 、 管理集群 、 总结和答疑.docx
- 酸碱度-源码
- 基于普适脑电和脑电分裂准则的抑郁症检测新方法
- 计算机图形学 第4版
- windows程序设计第五版 非扫描
- Javascript：:writing_hand:学习JavaScript-源码
- spark-3.0.1-bin-hadoop2.7.tgz
- BGA-253AMZ-1.27-001S-01 5C-042-267-01-A-12.pdf
- Microsoft 公式编辑器 3.0
- 基于ＳＶＰＷＭ 的永磁同步电机矢量控制仿真研究
- 采用禁忌搜索解决路径优化问题
- 基于ADAMS的凸轮机构模拟仿真
- 权限管理 EasyUI
- L298N+TLP521-4电机驱动电路
- Android欢迎界面的创建及引导完整代码
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明