IPSO算法python实现

以下是 IPSO 算法的 Python 实现：

import numpy as np

def ipsoclf(X, k, max_iter=100):
    # 初始化聚类中心
    centroids = X[np.random.choice(range(len(X)), k), :]
    # 初始化聚类标签
    labels = np.zeros(len(X))
    # 迭代
    for i in range(max_iter):
        # 计算每个样本到聚类中心的距离
        distances = np.sqrt(((X - centroids[:, np.newaxis])**2).sum(axis=2))
        # 更新聚类标签
        labels = np.argmin(distances, axis=0)
        # 更新聚类中心
        for j in range(k):
            centroids[j] = X[labels == j].mean(axis=0)
    return labels, centroids

该函数接受三个参数：数据集 X、聚类数 k 和最大迭代次数 max_iter。它返回两个值：聚类标签和聚类中心。