K-means算法的核心思想是将样本之间距离作为分类标准,事先设定好聚类数k,再通过聚类中心的合理选择,使得同类别中的样本间距离尽可能小。 属于无监督学习。 动画演示网址 二、K-means优化设计要点 聚类数K值的确定 初始聚类中心点的确定(GA重点优化选项) 聚类效果的可视化(高维数据可视化) 多种聚类效果评价指标 三、MAT
本发明提供了基于KMeans聚类和遗传算法对运输问题的优化解决方法,该基于KMeans聚类和遗传算法对运输问题的优化解决方法包括如下步骤:S1:设置参数:聚类中心种群规模N,迭代次数T,生产地数量m,销售地数量n;S2:首先通过ArcGIS Pro平台获得的地图设置m个生产地及n个销售地,利用KMeans对销售地进行聚类;S3:初始化种群,通过...
1 简介 典型K均值聚类算法的聚类中心个数和聚类中心的选取对彩色图像分割的精度影响较大,其主要体现在彩色图像的特征相似度(feature similarity of color,FSIMC)不高.提出一种基于遗传算法的K均值聚类分割法(GA-K-Means).每条染色体的基因由聚类中心数目和聚类中心点两部分组成,并且将彩色图像的FSIMC作为适应度函数...
得到新种群后计算新的模糊隶属度矩阵, 返回步骤2) , 继续迭代计算, 直到满足迭代中止条件为止。迭代中止后, 依据计算出的聚类中心得到分割阈值, 完成图像分割。 二、部分源代码 function [idx,cs,egr]=kmeanseg(im,cs) %number of Iteration T= 50; t=0; nc=length(cs); [row,col]=size(im); D=zero...
基于复合形遗传算法的K—means优化聚类方法 维普资讯 http://www.cqvip.com
K-means聚类遗传算法复合形复合形遗传算法数据挖掘针对基本遗传算法所存在的缺点和不足,提出了一种改进的遗传算法--复合形遗传算法,并将其用于K-means优化聚类.把复合形法嵌入到遗传算法中,利用复合形法对遗传算法群体中的部分个体进行处理,来改善种群的质量,以加快最优解的搜索进程.该方法既有复合形法快速高效的特...
选址-路径优化文中主要内容包括:一是运用K-means聚类求解共同配送站点选址问题;二是采用遗传算法求解从分拨中心到需求点的路径优化问题.后者分两个阶段实施:第一个阶段解决从分拨中心到共同配送站点的路径优化;第二个阶段解决从共同配送站点到需求点的路径优化.通过实例分析和计算求解,结果表明该方法对于解决选址和路径...