基于蟻群算法的聚類(lèi)算法研究.pdf

1、通過(guò)對(duì)螞蟻覓食過(guò)程中總能找到一條從蟻巢到食物源的最短路徑現(xiàn)象的數(shù)學(xué)建模，得到一種新的算法—蟻群算法。該算法采用正反饋并行自催化機(jī)制，具有較強(qiáng)的魯棒性、優(yōu)良的分布式計(jì)算機(jī)制、易于與其它算法融合的優(yōu)點(diǎn)，對(duì)于解決大規(guī)模復(fù)雜問(wèn)題表現(xiàn)出了優(yōu)異的性能和巨大的發(fā)展?jié)摿?。?jì)算機(jī)的廣泛使用，越來(lái)越多的數(shù)據(jù)被產(chǎn)生。如何從中找出有用的、完整的、能夠?yàn)槲磥?lái)決策其作用的知識(shí)是一個(gè)巨大的挑戰(zhàn)。聚類(lèi)分析總為數(shù)據(jù)挖掘的重要研究領(lǐng)域之一，具有極其重要的作用和地位。它能根

2、據(jù)數(shù)據(jù)的屬性對(duì)其進(jìn)行分組和歸類(lèi)。聚類(lèi)分析使得同一類(lèi)中的數(shù)據(jù)具有最大相似性，不同類(lèi)中的元素具有最大向異性。
　　本文首先對(duì)聚類(lèi)分析進(jìn)行了詳細(xì)總結(jié)和介紹，分析和總結(jié)了目前流行聚類(lèi)算法的優(yōu)缺點(diǎn)；同時(shí)介紹了聚類(lèi)分析中的數(shù)據(jù)表示、相似性度量準(zhǔn)則等內(nèi)容。隨后，對(duì)蟻群算法進(jìn)行了詳細(xì)的介紹，分析和總結(jié)了目前應(yīng)用于聚類(lèi)分析中的兩種模型：基于蟻堆原理和基于螞蟻覓食行為原理。本文的重點(diǎn)是提出了一種新的蟻群聚類(lèi)算法，它利用R只螞蟻來(lái)求解，每只螞蟻在開(kāi)始的

3、時(shí)候均分配一個(gè)空的串S，該串的大小為N。串S中的數(shù)值表示相應(yīng)的元素被分配到的具體的哪個(gè)類(lèi)。將類(lèi)中心和元素分別看作是食物源和蟻巢，螞蟻根據(jù)信息素矩陣的值進(jìn)行類(lèi)標(biāo)識(shí)分配。為了避免陷入局部最優(yōu)，一次迭代之后，采用局部搜索技術(shù)來(lái)試圖跳出局部最優(yōu)。反復(fù)重復(fù)上述步驟，最終得到預(yù)期的解。
　　為了驗(yàn)證本文算法的有效性和優(yōu)越性，文中引入遺傳算法、模擬退火算法和禁忌搜索算法來(lái)進(jìn)行比較實(shí)驗(yàn)，實(shí)驗(yàn)中采用兩個(gè)模擬數(shù)據(jù)集和三個(gè)UCI中的數(shù)據(jù)集。實(shí)驗(yàn)結(jié)果表明

4、，本文提出的蟻群聚類(lèi)算法要優(yōu)于其它三種隨機(jī)算法。
　　隨著Web站點(diǎn)自身信息越來(lái)越豐富和結(jié)構(gòu)越來(lái)越復(fù)雜，目前信息服務(wù)中普遍存在著“信息過(guò)載”和“資源迷向”的狀況，不同的用戶(hù)有不同的訪(fǎng)問(wèn)目的。因此，將蟻群聚類(lèi)算法應(yīng)用于Web日志挖掘，實(shí)現(xiàn)網(wǎng)站的自適應(yīng)，既把從日志數(shù)據(jù)中提取的知識(shí)轉(zhuǎn)換為站點(diǎn)的只能，使其為用戶(hù)提供更有效的服務(wù)。為此，本文設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)自適應(yīng)網(wǎng)站的原型系統(tǒng)，從而驗(yàn)證了運(yùn)用相關(guān)技術(shù)實(shí)現(xiàn)網(wǎng)站自適應(yīng)是可行的。
　　本文最