【数据聚类】基于杂草算法优化K-means算法实现数据聚类含Matlab源码

✅作者简介：热爱科研的Matlab仿真开发者，修心和技术同步精进，matlab项目合作可私信。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知。

更多Matlab仿真内容点击👇

智能优化算法  神经网络预测雷达通信 无线传感器

信号处理图像处理路径规划元胞自动机无人机

⛄ 内容介绍

针对传统k-means算法对初始聚类中心选取的随机性,易收敛于局部最优等缺点.本文利用杂草算法和k-means算法相结合,提高了k-means算法性能.实验结果表明文中算法与传统聚类算法相比具有更高的聚类正确率,更好的聚类质量.

⛄ 部分代码

function m=PlotRes(X, sol)

   % Cluster Centers

   m = sol.Position;

   k = size(m,1);

   % Cluster Indices

   ind = sol.Out.ind;    

   Colors = hsv(k);

   for j=1:k

       Xj = X(ind==j,:);

              subplot(2,3,1)

       plot(Xj(:,1),Xj(:,2),'x','LineWidth',1,'Color',Colors(j,:));title('IWO');

       hold on;

%         plot(m(:,1),m(:,2),'ok','LineWidth',2,'MarkerSize',6);

               subplot(2,3,2)

       plot(Xj(:,1),Xj(:,3),'x','LineWidth',1,'Color',Colors(j,:));title('IWO');

       hold on;

%         plot(m(:,1),m(:,3),'ok','LineWidth',2,'MarkerSize',6);

               subplot(2,3,3)

       plot(Xj(:,1),Xj(:,4),'x','LineWidth',1,'Color',Colors(j,:));title('IWO');

       hold on;

%         plot(m(:,1),m(:,4),'ok','LineWidth',2,'MarkerSize',6);

               subplot(2,3,4)

       plot(Xj(:,2),Xj(:,3),'x','LineWidth',1,'Color',Colors(j,:));title('IWO');

       hold on;

%         plot(m(:,2),m(:,3),'ok','LineWidth',2,'MarkerSize',6);

               subplot(2,3,5)

       plot(Xj(:,2),Xj(:,4),'x','LineWidth',1,'Color',Colors(j,:));title('IWO');

       hold on;

%         plot(m(:,2),m(:,4),'ok','LineWidth',2,'MarkerSize',6);

               subplot(2,3,6)

       plot(Xj(:,3),Xj(:,4),'x','LineWidth',1,'Color',Colors(j,:));title('IWO');

       hold on;

%         plot(m(:,3),m(:,4),'ok','LineWidth',2,'MarkerSize',6);

   end  

hold off;

end

⛄ 运行结果

⛄ 参考文献

[1]于海涛,贾美娟,王慧强,邵国强. 基于人工鱼群的优化K-means聚类算法[J]. 计算机科学, 2018, 39(12):60-64.

[2]王丽君郇益斌. 基于杂交PSO的k-means聚类算法[J]. 电子世界, 2016, 000(014):192,195.

❤️ 关注我领取海量matlab电子书和数学建模资料

❤️部分理论引用网络文献，若有侵权联系博主删除