脈沖神經(jīng)膜系統(tǒng)在聚類問題中的研究與應(yīng)用.pdf

1、隨著信息技術(shù)的發(fā)展，數(shù)據(jù)挖掘被越來越多的專家學者重視，并被應(yīng)用到實際問題的研究和應(yīng)用中。數(shù)據(jù)挖掘的效率主要依賴于挖掘方法，聚類作為獨立的數(shù)據(jù)挖掘工具或者作為其他數(shù)據(jù)挖掘算法(如特征和分類)的預(yù)處理步驟，已經(jīng)成為數(shù)據(jù)挖掘領(lǐng)域一個非?；钴S的研究課題。聚類分析是數(shù)據(jù)挖掘中的重要分支，它的目的是根據(jù)不同對象的不同特征，將它們劃分成不同的類。目前，聚類分析已經(jīng)被應(yīng)用到眾多的領(lǐng)域中去。
　　膜計算是新興的算法模型，它以生物的細胞為原型，將其結(jié)

2、構(gòu)和功能進行分析和研究，并對此進行了抽象和轉(zhuǎn)化。膜計算具有分布式、不確定性、最大并行計算性等獨特特征。膜計算與圖靈機有眾多的相似之處，它們的計算能力相仿，但膜計算在某些方面更勝一籌，尤其是在并行性和優(yōu)化問題等方面有很大的優(yōu)勢。脈沖神經(jīng)膜系統(tǒng)是膜計算的一個重要的分支，該膜系統(tǒng)中的細胞均采用神經(jīng)元細胞，其思想來源于生物神經(jīng)系統(tǒng)。基于脈沖神經(jīng)膜系統(tǒng)的國內(nèi)外研究現(xiàn)狀，目前SNP系統(tǒng)的已有研究成果以理論性研究居多，主要集中在計算的有效性和計算的準

3、確性方面，以及對基于不同生物背景下提出的一些不同種類的脈沖神經(jīng)膜系統(tǒng)或變體的研究。而對于聚類的實現(xiàn)主要還是依賴一些傳統(tǒng)的方法，近幾年一些生物計算方法開始用于解決聚類問題形成一種基于生物計算方法新的聚類思想，而膜計算與聚類問題的結(jié)合就是其中一項很重要的研究方向，本文正是在這種思路的引導下提出了用一種特殊的膜系統(tǒng)（脈沖神經(jīng)膜系統(tǒng)）解決聚類問題，形成一種基于SNP系統(tǒng)的新型聚類方法。
　　本文主要利用脈沖神經(jīng)膜系統(tǒng)的并行性，不確定性來實

4、現(xiàn)該系統(tǒng)在聚類問題中的算法研究，首先將SNP系統(tǒng)與粒子群聚類算法相結(jié)合，構(gòu)建了一個基于SNP系統(tǒng)的粒子群聚類算法，利用粒子群算法的迭代的隨機性即其充分的全局尋優(yōu)能力找出優(yōu)化后的初始聚類中心，然后由K-means算法進行初始聚類中心已知情況下的迭代聚類，并通過UCI數(shù)據(jù)集中的三種不同維度空間的典型數(shù)據(jù)進行仿真實驗，并和標準PSO算法和PSO-KM算法進行準確性和時間復發(fā)性的比較，得出本文設(shè)計的SNPSOKM算法具有較高的準確率和相對較少的

5、執(zhí)行時間。
　　本文中提出了帶有膜計算特點的基于SNP系統(tǒng)的凝聚層次聚類模型，它在K-凝聚層次聚類模型的基礎(chǔ)上融合了脈沖神經(jīng)膜系統(tǒng)的眾多特點，對傳統(tǒng)的算法進行了改進和提升，實現(xiàn)了原有的傳統(tǒng)算法無法達到的計算能力。
　　社交網(wǎng)絡(luò)交友平臺是建立在海量數(shù)據(jù)挖掘基礎(chǔ)上的一種高級商務(wù)智能平臺，以幫助用戶選擇良好的朋友，同時建立好與彼此之間的關(guān)系。社交網(wǎng)站的推薦系統(tǒng)為用戶推薦朋友，自動完成朋友篩選和推薦的過程，滿足用戶的交友需求，推薦基