一种基于人工智能半监督聚类目标下的粒子群算法

摘要

本发明提供了一种基于人工智能半监督聚类目标下的粒子群算法，包括：S1、输入数据集合，随机选取K个元素作为聚类中心；S2、更新聚类中心，计算当前K值的自适应量，与上一次进行对比，保留自适应量较高的K值；S3、重复执行S1‑S2，直至得到最佳的K个聚类中心；S4、根据最佳的K个聚类中心，将粒子进行编码并初始化，获取个体最优和全局最优解；S5、将粒子进行动态聚类，获取粒子新的位置并判断是否需要更新；S6、对粒子其进行免疫扰动和混沌扰动处理；S7、计算当前粒子的个体最优解和全局最优解，与上次进行对比，判断是否更新个体最优解和全局最优解；S8、重复S5‑S7步，如果当前迭代次数达到预设值，退出算法。