10、粒子群聚类算法与超宽带天线优化研究

粒子群聚类算法与超宽带天线优化研究

粒子群聚类算法实验分析

在聚类算法的研究中，PSO_K - means和K - means具有较快的收敛速度。TPSO_K - means相较于PSO_K - means，其初步搜索能力得到了提升，粒子的多样性也有所增强。从部分图形结果来看，在图5中，TPSO_k - means和PSO_K - means的适应度值小于K - means；而在图4、6和7中，TPSO_K - means的适应度值虽不比K - means小，但非常接近。

接下来看TPSO与FCM算法的聚类实验。将TPSO与FCM算法结合时，参数设置为$c1 = c2 = 2$，迭代次数为100，粒子数量为10，$x_{max} = 0.9$，$x_{min} = 0.4$。实验结果如下表所示：
| 数据集 | 算法 | 方差 | 准确率 | 迭代次数 |
| — | — | — | — | — |
| Iris | FCM | 0 | 89.33 | 60.57 |
| | PSO_FCM | 7.4 | 90.68 | 70.75 |
| | TPSO_FCM | 4.62 | 91.36 | 67.07 |
| Wine | FCM | 0 | 68.52 | 1796082.75 |
| | PSO_FCM | 0.88 | 71.85 | 1953947.32 |
| | TPSO_FCM | 0.77 | 72.24 | 1895330.21 |
| Seeds | FCM | 0 | 89.33 | 414.66 |
| | PSO_FCM | 0.81 | 89.27 | 446.08