基于微粒群算法的聚類算法.pdf_第1頁
已閱讀1頁,還剩51頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘是從大量數(shù)據(jù)中挖掘出未知的、有價(jià)值的模式或規(guī)律的復(fù)雜過程。聚類分析是數(shù)據(jù)挖掘中的一個(gè)重要研究領(lǐng)域,其目的是按照事物間的相似性對(duì)給定事物進(jìn)行區(qū)別和分類,并采用數(shù)學(xué)方法對(duì)其屬性進(jìn)行研究和處理。聚類分析算法大致可劃分為以下幾類:層次聚類算法、分割聚類算法、基于現(xiàn)實(shí)約束的聚類算法、機(jī)器學(xué)習(xí)中的聚類算法以及用于高維數(shù)據(jù)的聚類算法。動(dòng)態(tài)聚類算法是分割聚類算法中的一個(gè)重要分支,但現(xiàn)有的動(dòng)態(tài)聚類算法在運(yùn)算過程中容易陷入局部最小和對(duì)初始值敏感等不

2、足,限制了它的發(fā)展。很多學(xué)者嘗試采用全局尋優(yōu)算法來改進(jìn)聚類算法,如:遺傳算法、免疫規(guī)劃和模擬退火等算法,取得了一定的成效。微粒群算法是一種高效的群體智能算法,具有收斂速度快、容易實(shí)現(xiàn)等優(yōu)點(diǎn),因此,將微粒群算法應(yīng)用到聚類算法中將能有效的改進(jìn)現(xiàn)有聚類算法的不足。 本文分析了現(xiàn)有的聚類算法,這些算法的聚類數(shù)目需要提前確定。在此基礎(chǔ)上,提出一種基于微粒群算法和K均值聚類算法的混合聚類算法,該算法定義了兩種類間距離,構(gòu)造出一種新的聚類有效

3、性函數(shù),利用該函數(shù)對(duì)最佳聚類數(shù)進(jìn)行求解。仿真結(jié)果顯示了該方法合理有效。 現(xiàn)有聚類算法的目標(biāo)函數(shù)是樣本到聚類中心歐式距離平方加權(quán)和的最小值,依據(jù)樣本到聚類中心的距離將樣本劃分到離聚類中心最近的類中,這些聚類算法很難對(duì)復(fù)雜形狀的數(shù)據(jù)進(jìn)行聚類。因此,本文提出了基于生長樹的聚類算法,其中定義了最鄰近距離和生長樹等概念,并將最鄰近距離作為生長樹的生長方向和樣本劃分依據(jù),以生長樹的大小作為聚類效果的判定函數(shù)。新算法利用網(wǎng)格和密度閾值來去除數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論