粒子群优化算法解决聚类集成问题?

粒子群优化算法解决聚类集成问题?我用了kmeans等聚类方法对iris进行聚类,得到不同聚类分类号,其中一个算法得到的结果是Columns 1 through 161 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1Columns 17 through 321 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1Columns 33 through 481 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1Columns 49 through 641 1 2 2 2 2 2 2 2 2 2 2 2 2 2 2Columns 65 through 802 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2Columns 81 through 962 2 2 2 2 2 2 2 2 2 2 2 2 2 2 2Columns 97 through 1122 2 1 2 3 2 3 2 3 3 2 2 2 3 2 2Columns 113 through 1283 2 2 3 2 3 3 2 3 2 3 2 3 3 2 2Columns 129 through 1442 3 3 3 2 2 2 3 3 2 2 3 3 3 2 3Columns 145 through 1503 3 2 2 3 2不同算法得到的结果都是类似这种,假如现在有20*150维的类标号矩阵,我的想法是把这个矩阵当成是PSO的初始种群,利用基本的PSO算法实验了一下,速度随机取值,学习因子c1=1.49445; c2=1.49445;maxgen=300; %迭代次数,其中适应度函数取类标号与数据集标准分类号的正确率,然后利用算法迭代寻优,在实验过程中,迭代起不了任何作用,我怀疑是参数设置出了问题,再追加50分我想在这20*150维矩阵中找到最优或者通过PSO算法粒子与速度更新得到最优的类标号,使得分类正确率高于 kmeans等算法得到的结果（也就是20*150的结果）