苹果/安卓/wp
苹果/安卓/wp
& 附件下载
模式识别与智能计算：MATLAB技术实现(第2版).pdf
29.28 MB &
游客无法下载,请后下载，熟悉论坛请点击&&&&&&&&nbsp
淘宝购物通道：
1.下载一个附件当天只会扣除您一次下载次数和一次流量费。
2.论坛支持迅雷和网际快车等p2p多线程软件下载，请在上面选择下载通道&&单击右健下载即可（不会算多次下载次数）。
3.论坛会定期自动批量更新下载地址,所以请不要浪费时间盗链&&论坛资源,盗链地址会很快失效。
4.本站为非盈利性质的学术交流网站,网站资源仅供&&教学、研究使用,请下载后24小时内自行删除。()
哇!统计软件还可以这样学!!!
视频教学+名师在线互动+权威答疑
你也可以成为统计高手
囊括所有常用统计软件培训：
、、、、、、、、等
联系方式：曾老师
: training@pinggu.org
论坛好贴推荐
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
为做大做强论坛，本站接受风险投资商咨询，请联系（010-）
邮箱：service@pinggu.org
合作咨询电话：(010)
广告合作电话：（刘老师）
投诉电话：(010)
不良信息处理电话：(010)
京ICP证090565号
京公网安备号
论坛法律顾问：王进律师查看: 7437|回复: 15|关注: 0
Matlab关于粒子群聚类算法
粒子群聚类算法程序源码，非常不错，自己亲自打的，好辛苦呀，谢谢支持，选自《模式识别与智能计算 Matlab技术实现》. 杨淑莹著. 电子工业出版社, 2008\第13章
=======%
%粒子群聚类算法
function [m_pattern]=C_PSO(m_pattern,patternNum)
& && && &disType=DisSelDlg();%获得距离计算型
& && && &[centerNum iterNum]=InputClassD%获得类中心数和最大迭代次数
& && && &particleNum=200;%初始化粒子数
& && && &%初始化中心和速度
& && && &global N
& && && &for i=1:centerNum
& && && && & m_center(i).feature=zeros(Nwidth,Nwidth);
& && && && & m_center(i).patternNum=0;
& && && && & m_center(i).index=i;
& && && && & m_velocity(i).feature=zeros(Nwidth, Nwidth);
& && && && & for i=1:particleNum
& && && && && &&&Particle(i).location=m_%粒子各中心
& && && && && &&&Particle(i).velocity=m_%粒子各中心速度
& && && && && &&&Particle(i).fitness=0;%适应度
& && && && && &&&P_id(i).velocity=m_%粒子最优速度
& && && && && &&&P_id(i).location=m_%粒子最优中心
& && && && && &&&P_id(i).fitness=0;%粒子最优适应度
& && && && & end
& && && && & P_gd.location=m_%全局粒子最优中心
& && && && & P_gd.velocity=m_%全局粒子最优速度
& && && && & P_gd.fitness=0;%粒子全局最优适应度
& && && && & P_gd.string=zeros(1,patternNum);
& && && && & ptDitrib=zeros(particleNum,patternNum);%初始化粒子分布矩阵
& && && && & for i=1:particleNum %生产随机粒子分布矩阵
& && && && && &&&ptDitrib(i,:)=randperm(patternNum);
& && && && && &&&for j=1:patternNum
& && && && && && && &if (ptDitrib(i,j)&centerNum)
& && && && && && && && & ptDitrib(i,j)=fix(rand*centerNum+1);
& && && && && && && &end
& && && && && &&&end
& && && && & end
& && && && & %生产初始粒子群
& && && && & for i=1:particleNum
& && && && && &&&for j=1:patternNum
& && && && && && && &m_pattern(j).category=ptDitrib(i,j);
& && && && && &&&end
& && && && && &&&for j=1:centerNum
& && && && && && && &m_center(j)=CalCenter(m_center(j),m_pattern,patternNum);
& && && && && &&&end
& && && && && &&&Particle(i).location=m_
& && && && & end
& && && && & %初始化参数
& && && && & w_max=1;
& && && && & w_min=0;
& && && && & h1=2;
& && && && & h2=2;
& && && && &
& && && && & for iter=1:iterNum
& && && && && &&&%计算粒子适应度
& && && && && &&&for i=1:particleNum
& && && && && && && &temp=0;
& && && && && && && &for j=1:patternNum
& && && && && && && && & temp=temp+GetDistance(m_pattern(j),Particle(i).location(ptDitrib(i,j)),disType);
& && && && && && && &end
& && && && && && && &if (temp==0)%最优解，直接退出
& && && && && && && && & iter=iterNum+1;
& && && && && && && && &
& && && && && && && &end
& && && && && && && &Particle(i).fitness=1/
& && && && && &&&end
& && && && && &&&if(iter&iterNum)
& && && && && && && &
& && && && && &&&end
& && && && && &&&w=w_max-iter*(w_max-w_min)/iterN%更新权重系数
& && && && && &&&for i=1:particleNum %更新P_id,P_gd
& && && && && && && &if (Particle(i).fitness&P_id(i).fitness)
& && && && && && && && & P_id(i).fitness=Particle(i).
& && && && && && && && & P_id(i).location=Particle(i).
& && && && && && && && & P_id(i).velocity=Particle(i).
& && && && && && && && &if (Particle(i).fitness&P_gd(i).fitness)
& && && && && && && && && &P_gd(i).fitness=Particle(i).
& && && && && && && && && &P_gd(i).location=Particle(i).
& && && && && && && && && &P_gd(i).velocity=Particle(i).
& && && && && && && && && &P_gd.string=ptDitrib(i,:);
& && && && && && && && & end
& && && && && && && &end
& && && && && &&&end
& && && && && &&&%更新粒子速度，位置
& && && && && &&&for i=1:particleNum
& && && && && && && &for j=1:centerNum
& && && && && && && && & Particle(i).velocity(j).feature =...
& && && && && && && && & w*Particle(i).velocity(j).feature+h1*rand(Nwidth,Nwidth).*...
& && && && && && && && & (P_id(i).location(j).feature-Particle(i).location(j).feature)...
& && && && && && && && & +h2*rand(Nwidth, Nwidth).*(P_gd.location(j).feature...
& && && && && && && && & -Particle(i).location(j).feature);
& && && && && && && && &&&Particle(i).location(j).feature= Particle(i).location(j).feature...
& && && && && && && && &&&+ Particle(i).velocity(j).
& && && && && && && &end
& && && && && &&&end
& && && && && &&&%最近邻聚类
& && && && && &&&for i=1:particleNum
& && && && && && && &for j=1:patternNum
& && && && && && && && & min=
& && && && && && && && & for k=1:centerNum
& && && && && && && && && &&&tempDis=GetDistance(m_pattern(j), Particle(i).location(k),disType);
& && && && && && && && && &&&if(tempDis&min)
& && && && && && && && && && && &min=tempD
& && && && && && && && && && && &m_pattern(j).category=k;
& && && && && && && && && && && &ptDitrib(i,j)=k;
& && && && && && && && && &&&end
& && && && && && && && & end
& && && && && && && &end
& && && && && && && &%重新计算聚类中心
& && && && && && && &for j=1:centerNum
& && && && && && && && & Particle(i).location(j)=CalCenter(Particle(i).location(j),m_pattern,patternNum);
& && && && && && && &end
& && && && && &&&end
& && && && && &&&for i=1:patternNum
& && && && && && && &m_pattern(i).category=P_gd.string(1,i);
& && && && && &&&end
& && && && & end
& && && &end& &
&&复制代码======
[ 本帖最后由 faruto 于
15:21 编辑 ]
22:43 上传
点击文件名下载附件
5.74 KB, 下载次数: 422
模式识别与智能计算 Matlab技术实现. 杨淑莹著. 电子工业出版社, 2008\第13章
我想问一下，关于此程序中m-pattern 样品特征库是怎样的，还有disType和InputclassDlg是怎样？
粒子群算法的聚类分析
原帖由 hanwenke 于
22:43 发表
粒子群聚类算法程序源码，非常不错，自己亲自打的，好辛苦呀，谢谢支持，选自《模式识别与智能计算 Matlab技术实现》. 杨淑莹著. 电子工业出版社, 2008\第13章 ...
关于上面的程序在中
我想补充一下关于程序中样品集m-pattern，样品集为多个样品的集合，一个具有N个样本的样品集m-pattern，定义为m-pattern={m-pattern（1），。。。。。m-pattern（N）}，其中m-pattern为每一个元素的一个样品结构，样品m-pattern（i），其结构定义为structure m-pattern（i）{ feature&&category}
其中feature是该样品的特征矩阵，category为样品所属规划
我想问的是比方说我有一个矩阵是10*3（每一类有3个特征值，共五种样本，每个样本有两种，我把它作为m-pattern），那么category样本所属规划应该怎样设置呢？是不是【11 0 0 0 0 0 0 0 0 0 0；0 0 1 1 0 0 0 0 0 0；0 0 0 0 1 1 0 0；0 0 0 0 0 0 0 0 1 1】
这个是书上的源程序 貌似不是原创 书中是由gui界面的
我知道是书中的源程序，书中都是以数字的形式提取特征值来用的，我想问一下有谁该过此程序，把它应用到别的数值矩阵当中
正需要呢，不错~~~
谢谢分享～～
谢谢分享，不错！！！！！
站长推荐 /1
Powered by模式识别与智能计算：MATLAB技术实现-杨淑莹 - 下载频道
- CSDN.NET
&&&&模式识别与智能计算：MATLAB技术实现-杨淑莹
模式识别与智能计算：MATLAB技术实现-杨淑莹
模式识别与智能计算：MATLAB技术实现
若举报审核通过，可奖励20下载分
被举报人：
举报的资源分：
请选择类型
资源无法下载
资源无法使用
标题与实际内容不符
含有危害国家安全内容
含有反动色情等内容
含广告内容
版权问题，侵犯个人或公司的版权
*详细原因：
您可能还需要
开发技术下载排行模式识别分类器设计用MATLAB实现时，怎么输入待测样品（sample），zenyang 得到待测样品特征_百度知道
模式识别分类器设计用MATLAB实现时，怎么输入待测样品（sample），zenyang 得到待测样品特征
模式识别与智能计算——MATLAB技术实现（杨淑莹著）书中第二章的的MATLAB程序
提问者采纳
分类器设计时特征提取和选择与分类是独立的版块，但是特征的选择提取影响分类准确率，把特征作为变量进行传输
提问者评价
不是我想要的答案 还是谢了
其他类似问题
为您推荐：
模式识别的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁