基于現(xiàn)代優(yōu)化算法的K-means聚類的研究與應(yīng)用.pdf

1、分類號(hào)嬰311UDC專業(yè)學(xué)位碩士學(xué)位論文基于現(xiàn)代優(yōu)化算法的Kmeans聚類的研究與應(yīng)用左倪娜論文答辯日期2Q!魚生旦22旦學(xué)位授予日期2Q!魚生魚旦3Q旦答辯委員會(huì)主席隆友墊教援級(jí)直王基于現(xiàn)代優(yōu)化算法的Kmeans聚類的研究及其在學(xué)生成績(jī)挖掘中的應(yīng)用摘要現(xiàn)代優(yōu)化算法是當(dāng)今研究界的一個(gè)熱門話題，它已經(jīng)被廣泛應(yīng)用于多個(gè)領(lǐng)域。模擬退火算法和遺傳算法是最常用的現(xiàn)代優(yōu)化算法之中的兩種。模擬退火算法是一種基于概率的方法，它的思想來源于固體加熱的過程

2、。遺傳算法則基于達(dá)爾文的進(jìn)化論原理，它的求解過程包含類似生物進(jìn)化的過程：選擇、交配和變異。數(shù)據(jù)挖掘也是當(dāng)前的研究熱門。聚類是數(shù)據(jù)挖掘的一個(gè)重要的子任務(wù)。而Kmeans算法是解決聚類問題的一個(gè)重要算法。Kmeans聚類方法有個(gè)缺點(diǎn)：由于存在局部極小值問題而過于依賴初始狀態(tài)。而現(xiàn)代優(yōu)化算法具有能夠解決局部最優(yōu)值的特點(diǎn)而能夠改進(jìn)Kmeans聚類。在這篇論文中，我們著眼于利用現(xiàn)代優(yōu)化算法來改進(jìn)Kmeans聚類。首先調(diào)研和分析了現(xiàn)代優(yōu)化算法和Km

3、eans聚類方法，以及利用現(xiàn)代優(yōu)化算法改進(jìn)Kmeans聚類的已有工作，并總結(jié)了這些方法的優(yōu)缺點(diǎn)。本文的主要貢獻(xiàn)在于，在調(diào)研結(jié)果的基礎(chǔ)上，提出了能夠有效解決學(xué)生成績(jī)挖掘問題的、分別基于模擬退火算法和遺傳算法的Kmeans聚類方法。最后，論文使用實(shí)際的學(xué)生成績(jī)數(shù)據(jù)作為測(cè)試集，而在這個(gè)測(cè)試集上的實(shí)驗(yàn)結(jié)果證明了本文提出方法的有效性。同時(shí)，基于模擬退火算法和基于遺傳算法的Kmeans聚類方法各有其優(yōu)缺點(diǎn)：基于模擬退火算法的Kmeans聚類方法實(shí)現(xiàn)