论文部分内容阅读
提出了一个微粒群优化算法（autoPSO）自动聚类高维数据。autoPSO优化了Davies-Bouldin（DB）有效性函数，并将聚类问题转化为一个界约束的连续函数的优化问题。用一个实数矩阵和一个二进制向量来表示微粒，使得同一迭代中能够表示具有不同聚类数目的划分；并且，在二进制向量的控制下指导相关联的实数矩阵交叉操作，保持算法良好的种群多样性，避免算法早熟收敛。通过高维模拟数据集的实验结果表明，本文算法不需要预设聚类数目k，能够自动正确识别高维数据的聚类。