基于群體智能算法的聚類挖掘方法研究.pdf

1、數(shù)據(jù)挖掘的目的是從海量的數(shù)據(jù)中提取人們感興趣的，有價(jià)值的知識(shí)和重要的信息。聚類分析是數(shù)據(jù)挖掘的一個(gè)重要研究領(lǐng)域，它在商業(yè)、生物、醫(yī)學(xué)、地質(zhì)、Web文檔等方面都有重要的應(yīng)用，是當(dāng)前的研究熱點(diǎn)之一。 群體智能是一種新的人工智能形式，目前正在成為人工智能領(lǐng)域及其相關(guān)領(lǐng)域的一個(gè)研究熱點(diǎn)。目前，研究得較多的群體智能算法主要有粒子群算法和蟻群算法二種，本文針對(duì)這二種群體智能算法存在的一些問題進(jìn)行了研究，并將其應(yīng)用到聚類分析： (1)

2、從粒子群算法的參數(shù)設(shè)置上改進(jìn)了算法，并將其應(yīng)用到聚類分析中，提出了一種自適應(yīng)慣性權(quán)重的并行粒子群聚類算法。該算法改善了基本粒子群算法的全局尋優(yōu)能力、收斂速度和運(yùn)行效率，通過理論分析和實(shí)驗(yàn)表明，相比k-means聚類算法、遺傳聚類算法、基本粒子群聚類算法，本文算法更具優(yōu)越性。 (2)在Deneubourg的蟻群聚類基本模型、Lumer和Faieta提出的LF基本蟻群聚類算法和劉波等提出的利用信息熵理論的聚類算法的基礎(chǔ)上，對(duì)蟻群聚類