蚁群聚类算法的分析与应用

《蚁群聚类算法的分析与应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、辽宁工程技术大学硕士学位论文AbstractDataminingistheprocessofautomaticallysearchinglargevolumesofdataforpatternsandrules．Clusteringisanimportanttechniqueofdatamining，andalsoanefficientmethodforpeopleunderstandingandSeekingtheinternalrelationsofthings．Itcanbeusedasthetoolofdataminingtodiscoverthein-deepinfo

2、rmationofdatadistributionindatabase．Otherwise．itiSconsideredasthepretreatmentprocessofotherdataminingalgorithms，itiswidelyusedinfieldsofengineeringandtechnology．Clusteringdividesdataobjectsintodifferentclusterssothattheelementsatachedtothediferentclustershavedissimilaritiesandtheonesattached

3、tothesameclustershavesimilarities．OntheresearchofthealgorithmbasedonACAandclusteringalgorithmcombination，Ihavesufficientlystudiedthebasicprincipleandcapabilityoftheexistingantcolonyalgorithms．Ipresentsaalgorithmthatcombinestheobjectandtheenvironmentarountittogetherandthendecidestopickitornot

4、．Itnotonlycanavoidman·madedatasaboutthenumbertheclustering，butalsocanaoidlocaloptimum．AtlastIapplyitinthepartitionofclientinthesecuritytrade．Itprovidesanewthoughtandapproachfortheclusteringresearch．Thus，researchesofthispaperhavethegreatsignificanceintheoryandpractice．KeyWords：DataMining；Clus

5、tering；AntColony；Pheromone2创新点声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果：在归纳总结的基础上，提出基于信息素的蚁群聚类组合算法。主要思想是尽可能模仿蚂蚁的真实行为，将蚂蚁的空间转换与周围的环境紧密地联系在一起，避免了”算法中蚂蚁随机的移动，又利用了蚁群分布式搜索的特性，来改善传统的K-means算法常常易于陷入局部最优的缺陷。尽我所知，到目前国内外文献未见报道。作者：辽宁工程技术大学硕士学位论文1绪论1．1引言近年来，科学技术的飞速发展带动着经济和社会都取得了极大的进步。在各个领域产生了大量的数据，如何处理这些数

6、据以从中得到有益的信息，人们进行了有益的探索。随着计算机技术、网络技术和信息、技术的迅速发展，人们生产和搜集数据的能力也得到了大幅度提高，使得数据处理成为可能，同样也推动了数据库技术的极大发展，但是面对不断增加如潮水般的数据，人们不再满足于数据库的查询功能，提出了深层次问题：能不能从数据中提取信息或者知识为决策服务，就数据库技术而言己经显得无能为力了。同样，传统的统计技术也面临着极大的挑战。这就急需有新的方法来处理这些海量般的数据。于是，人们结合统计学、数据库、机器学习等技术，提出数据挖掘来解决这一难题。数据挖掘技术应运而生，并显示出前所未有的强大生命力，并且逐渐成为研究的热点

7、，吸引了很多人进行研究，引起国内外学术界的广泛关注，许多研究机构都在该领域开展了多种形式的研究工作。作为数据挖掘技术之一的聚类分析也越来越受到研究者的关注。聚类(Clustering)是当前数据挖掘领域中的一个重要分支，是人们认识和探索事物之间内在联系的有效手段，它既可以作为独立的数据挖掘工具来发现数据库中数据分布的一些深入信息，也可以作为其它数据挖掘算法的预处理步骤。对于聚类的研究始于60年代早期，从机器学习的观点来看，聚类是一种无人监督的学习，因为它没有关于分类的先验知识。从实际应用的观