使用MATLAB实现粒子群算法的数据聚类方案 - 包含Matlab源代码与实例讲解（第199期）

%Kmeans Cluster Algorithm Based on Particle Optimization Algorithm clc; clear all; format long; tic data=[1702.8 1639.79 2068.74 1877.93 1860.96 1975.3 867.81 2334.68 2535.1 1831.49 1713.11 1604.68 460.69 3274.77 2172.99 2374.98 3346.98 975.31 2271.89 3482.97 946.7 1783.64 1597.99 2261.31 198.83 3250.45 2445.08 1494.63 2072.59 2550.51 1597.03 1921.52 2126.76 1598.93 1921.08 1623.33 1243.13 1814.07 3441.07 2336.31 2640.26 1599.63 354 3300.12 2373.61 2144.47 2501.62 591.51 426.31 3105.29 2057.8 1507.13 1556.89 1954.51 343.07 3271.72 2036.94 2201.94 3196.22 935.53 2232.43 3077.87 1298.87 1580.1 1752.07 2463.04 1962.4 1594.97 1835.95 1495.18 1957.44 3498.02 1125.17 1594.39 2937.73 24.22 3447.31 2145.01 1269.07 1910.72 2701.97 1802.07 1725.81 1966.35 1817.36 1926.4 2328.79 1860.45 1782.88 1875.13]; %--------参数设定----------- N=70;%粒子数 c1=1.6;c2=1.6;%设定学习因子值（速度更新参数） wmax=0.9;wmin=0.4;%设定惯性权重初始及终止值 M=1600;%最大迭代数 K=4;%类别数 [S D]=size(data);%样本数和特征维数 %--------初始化---------------- for i=1:N clmat(i,:)=randperm(S);%随机取整数 end clmat(clmat>K)=fix(rand*K+1);%取整函数 fitt=inf*ones(1,N);%初始化个体最优适应度 fg=inf;%初始化群体最优适应度 fljg=clmat(1,:);%当前最优分类 v=rand(N,K*D);%初始速度 x=zeros(N,K*D);%初始化粒子群位置 y=x;%初始化个体最优解 pg=x(1,:);%初始化群体最优解 cen=zeros(K,D);%类别中心定维 fitt2=fitt;%粒子适应度定维