基于免疫遺傳算法的聚類與特征降維研究.pdf

1、隨著信息技術(shù)的飛速發(fā)展,各種數(shù)據(jù)呈幾何級數(shù)增長,面對這些海量的數(shù)據(jù),如何利用數(shù)據(jù)挖掘技術(shù)獲取有價值的知識,已經(jīng)成為學(xué)術(shù)界和工業(yè)界的重要研究課題之一。聚類分析作為數(shù)據(jù)挖掘過程中的重要組成部分,也受到了廣泛的關(guān)注。本文將免疫遺傳算法應(yīng)用于數(shù)據(jù)挖掘方法中,針對高維特征的維數(shù)約減和數(shù)據(jù)聚類問題進(jìn)行了深入的研究,主要工作包括以下幾方面的內(nèi)容。
　　 首先全面分析了遺傳算法和免疫算法的原理特性,將免疫機(jī)制引入遺傳算法中。重點(diǎn)介紹了免疫遺傳算

2、法的設(shè)計(jì)過程和特點(diǎn)。隨后從理論層面上剖析了聚類分析的數(shù)學(xué)描述、數(shù)據(jù)結(jié)構(gòu)、相異性度量方法以及常用的一些聚類算法。
　　 針對k-medoids算法容易受初始聚類中心的影響問題,本文提出將免疫遺傳算法與k-medoids算法相結(jié)合組成新的聚類方法,這樣既可以獲得全局最優(yōu)解,也可以很好的區(qū)分孤立點(diǎn)。同時由于使用改進(jìn)的中心點(diǎn)替換策略,可以加快收斂速度,節(jié)約時間成本。
　　 采用免疫遺傳算法與CHI統(tǒng)計(jì)方法相結(jié)合進(jìn)行文本特征降維。