基于进化思想的聚类算法及其类簇融合算法（Matlab代码实现）

 📝个人主页：研学社的博客 

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

目录

💥1 概述

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

💥1 概述

聚类属于无监督学习算法,依据某个或者多个相似度准则,使处于同一类的数据具有更高相似性,处于不同类的数据具有更大的差异性.聚类算法在大数据'数据挖掘.、社交网络、离群值检测[、计算机视觉[5]、模式识别[6]、图像处理[78]以及生物信息学[]等领域应用广泛.近年来,学者们提出了大量聚类算法.均值漂移[10]( Meanshift)算法作为一种爬山算法,算法核心为顺着密度增加的方向找到聚簇点.DBSCAN[ ]算法是一种基于密度的聚类算法,善于处理多种形状分布的数据集.APl 1聚类算法的核心思想是将所有的目标数据作为潜在聚类中心,通过计算所有数据点之间的相似度关系来构建矩阵,进而获得各样本的聚类中心.

📚2 运行结果

 

 

 

 

 

 部分代码：

% A plot of decision boundaries from two features of the dataset

%%
clear; clc; close all; addpath(genpath('utils'));

%% experiment setup
n_repetition  = 1;              % quantidade de realiza莽玫es
dataset_names = {'iris'}; % conjuntos de dados

%% dataset loop
for i=1:length(dataset_names)
    dataset_name = dataset_names{i};
    load(sprintf('../dataset/classification/%s.mat', dataset_name))
    %% experiment loop
    for j=1:n_repetition
        %% load/shuffle/divide/normalize dataset
        data = dataset(i);
        combinations = combnk(1:size(data.x_train,2),2);
        for k=1:size(combinations,1)
            % get patterns with two attributes
            x_train = data.x_train(:,combinations(k,:)); 
            %% train
            model = dmc_train(data.x_train, data.y_train);
            %% plot decision surface
            x_min = min(x_train);
            x_max = max(x_train);
            
            
            [x, y] = meshgrid(linspace(x_min(1), x_max(1)), linspace(x_min(2),x_max(2)));
            image_size = size(x);
            xy = [x(:) y(:)];
            
            y_hat = dmc_predict(model(:,combinations(k,:)), xy);
            
            decisionmap = reshape(y_hat, image_size);
            figure,
            img = imagesc([x_min(1) x_max(1)],[x_min(2) x_max(2)],decisionmap);
            hold on;
            set(gca,'ydir','normal');
            cmap = [1 0.8 0.8; 0.95 1 0.95; 0.9 0.9 1];
            colormap(cmap);
            [~,y_test_n] = max(data.y_train,[],2);
            plot(x_train(y_test_n == 1, 1),x_train(y_test_n == 1, 2),'r*');
            plot(x_train(y_test_n == 2, 1),x_train(y_test_n == 2, 2),'g*');
            plot(x_train(y_test_n == 3, 1),x_train(y_test_n == 3, 2),'b*');
            legend({'class 1', 'class 2', 'class 3'});
            title(upper(dataset_names{i}));
            
            xlabel(sprintf('feature %d', combinations(k,1)));
            ylabel(sprintf('feature %d', combinations(k,2)));
            
            hold off;
        end
    end
end

🎉3 参考文献

部分理论来源于网络，如有侵权请联系删除。

[1]史彦丽,金欢.基于进化思想的聚类算法及其类簇融合算法[J].吉林化工学院学报,2022,39(07):77-85.DOI:10.16039/j.cnki.cn22-1249.2022.07.015.

🌈4 Matlab代码实现