基于群智能算法的聚類分析方法研究.pdf

1、針對(duì)現(xiàn)有的聚類分析方法在數(shù)據(jù)挖掘應(yīng)用中存在的不足，本文結(jié)合群智能算法，對(duì)傳統(tǒng)的聚類方法加以改進(jìn)，提出了一些新的基于群智能算法的聚類分析方法；并分析了其方法的性能。通過(guò)實(shí)驗(yàn)驗(yàn)證了本文提出的基于群智能算法的聚類分析方法的有效性。歸納起來(lái)，研究成果主有以下4個(gè)方面：
　　 1)提出了基于人口遷移算法的聚類分析方法。該方法首先將待聚類的對(duì)象隨機(jī)放置在一個(gè)二維平面上，每一個(gè)對(duì)象有一個(gè)隨機(jī)初始位置，每一個(gè)對(duì)象能夠在平面上移動(dòng)，并測(cè)量對(duì)象在局

2、部環(huán)境的群體相似度。通過(guò)轉(zhuǎn)換函數(shù)將群體相似度轉(zhuǎn)化成收入/吸引力函數(shù)，根據(jù)收入/吸引力函數(shù)來(lái)實(shí)現(xiàn)自組織聚類過(guò)程。
　　 2、)提出了一種新的基于人工魚群的混合聚類算法。人工魚群算法不需要先驗(yàn)知識(shí)，利用隨機(jī)遍歷的原則進(jìn)行聚類分析。K-平均算法需要一個(gè)初始分割，運(yùn)用確定/啟發(fā)式原則進(jìn)行聚類分析。首先對(duì)單個(gè)的數(shù)據(jù)對(duì)象運(yùn)用人工魚群算法進(jìn)行聚類分析：然后考察聚類結(jié)果，根據(jù)結(jié)果選出供K-平均算法進(jìn)行聚類分析的輸入點(diǎn)；最后用K-平均算法進(jìn)行聚類

3、分析。
　　 3、)提出了一種新的基于人工魚群算法的動(dòng)態(tài)模糊聚類。通過(guò)引入模糊等價(jià)矩陣來(lái)表示高維樣本之間的相似程度，并將高維樣本映射到二維平面。然后利用人工魚群算法不斷優(yōu)化二維樣本的坐標(biāo)值，使樣本之間的歐氏距離向樣本間的模糊等價(jià)矩陣趨近，最終實(shí)現(xiàn)模糊聚類。
　　 4)提出了一種基于差分進(jìn)化算法的空間聚類算法。結(jié)合空間數(shù)據(jù)所特有的特點(diǎn)采用了一種基于差分進(jìn)化的變異、交叉、選擇操作，使得變異、交叉、選擇過(guò)程能不斷產(chǎn)生有意義的新