7、基于MEHDE的特征权重模糊聚类学习模型

最新推荐文章于 2025-09-21 12:39:10 发布

java5

最新推荐文章于 2025-09-21 12:39:10 发布

阅读量27

点赞数

CC 4.0 BY-SA版权

分类专栏：不确定性学习探秘文章标签： MEHDE 特征权重学习模糊聚类

本文链接：https://blog.youkuaiyun.com/java5/article/details/152254112

不确定性学习探秘专栏收录该内容

16 篇文章 ¥499.90

订阅专栏¥69.90

会员秒杀 ¥9.9 重磅福利

超级会员免费看

基于MEHDE的特征权重模糊聚类学习模型

1. 混合差分进化算法（MEHDE）

MEHDE算法的输入包括目标函数 $f (x)$、变量下界 $LB$、变量上界 $UB$、种群大小 $NP$、最大迭代次数 $MI$、交叉概率 $CR$、差分缩放因子 $F$ 以及差分进化策略候选集 $DES$。输出为最优个体的目标函数值 $f (x_{best,G})$ 和最优个体 $x_{best,G}$。其伪代码如下：

Algorithm 3.5: Hybrid Differential Evolution Algorithm
Input: f (x), LB, UB, NP, MI, CR, F and DES.
Output: f (xbest,G) and xbest,G.
1 Let G = 0, IV = 0, according to (3.24) initialize the population P(0);
2 Compute the finesses of all individuals in P(0), and find the initial optimal
individual xbest,0;
3 Check whether a termination condition is satisfied. If yes, go to step 13;
otherwise, let P(G + 1) = P(G) and go to step 4;
4 for (each individual xi,G in the Gth generation) do
5
Calculate IVnew according to (3.32);