智能算法在聚类分析中的应用研究

《智能算法在聚类分析中的应用研究》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、密级：河北地质大学硕士学位论文智能算法在聚类分析中的应用研究论文作者：李蕊学生类别：全日制一级学科：计算机科学与技术学科专业：计算机应用技术指导教师：张翠军职称：教授SecrecyRate：DissertationSubmittedtoHebeiGEOUniversityforTheMasterDegreeofComputerapplicationtechnologyTheApplicationofIntelligentComputinginClusteringAnalysisbyLiruiSupervisor:ZhangcuijunJune,2016原创性声明本人郑重声明：所呈交的学

2、位论文，是本人在导师指导下，进行研究工作所取得的成果。除文中已经注明引用的内容外，本学位论文不包含任何他人或集体已经发表的作品内容，也不包含本人为获得其他学位而使用过的材料。对本论文所涉及的研究工作做出贡献的其他个人或集体，均已在文中以明确方式标明。本学位论文原创性声明的法律责任由本人承担。学位论文作者签名：日期：摘要智能算法是模拟自然界中生物繁殖、觅食、筑巢等行为来求解复杂优化问题的方法，其凭借简单的迭代过程、高效的求解效率、优良的算法性能得到了国内外学者的广泛关注。聚类就是将零散的数据矢量按照某种聚类规则进行聚集，使同一类别的数据聚为一组，最终得到若干个不同分组的过程。在现实生活的

3、各个领域聚类都有着普遍的应用。为了应对不同的聚类问题，研究者们研发出了多种可行算法。然而大规模复杂数据集的出现对聚类技术提出了更高的要求，它要求聚类分析算法具有可伸缩性、能处理不同类型数据、有处理高维数据的能力等。面对这些问题与要求，将传统聚类算法与其他技术结合，进一步提高聚类性能已经成为当前研究的一种趋势。本文主要针对智能算法在聚类问题中的应用进行研究。首先，为了增强算法的全局搜索能力、加快算法的收敛速度、提高算法的求解精度，对传统智能算法进行了改进；其次，将改进后的智能算法与经典的k-means聚类算法进行融合；然后，将融合算法运用于求解聚类问题当中；最后，进行了实验验证和聚类结果

4、分析。通过在经典测试实例上的实验结果表明，求解聚类问题时，本文提出的智能算法与传统的聚类算法相比，在某些情况下具有更优的性能。本文的主要工作如下：（1）对粒子群算法进行改进，提出惯性权重递增的粒子群算法，缓解了最优值过快收敛易陷入局部最优的情况，增强了粒子群算法的全局搜索能力。（2）对引力搜索算法进行改进，将粒子群算法中向最优解学习的思想引入到引力搜索算法中，提出加速学习的引力搜索算法，加快了算法的收敛速度，提高了算法的求解精度。（3）分别将改进的上述两种算法、细菌觅食算法与k-means算法进行融合，应用于聚类问题当中。关键字：智能算法聚类粒子群算法引力搜索算法细菌觅食算法IABST

5、RACTIntelligentalgorithmsistosimulatethenaturalbiologicalbreeding,foraging,nestingandotheractstosolvecomplexoptimizationproblemsmethod,byvirtueofitssimpleiterativeprocess,andefficientsolutionefficiency,theexcellentperformanceofthealgorithmhasbeenwidespreadconcernofscholars.Clusteringisthefragmen

6、teddatavectorsinaccordancewithaclusteraggregationrules,sothatthesamecategoriesofdataclusteredintoagroup,finallyobtainedanumberofdifferentgroupsintheprocess.Clusteringinallareasofreallifehaveauniversalapplication.Inordertorespondtodifferentclusteringproblem,researchershavedevelopedavarietyofpossi

7、blealgorithms.However,emergenceoflargeandcomplexdatasetsclusteringtechnologyputforwardhigherrequirements,whichrequiresclusteringalgorithmisscalable,canhandledifferenttypesofdata,itiscapableofhandlinghigh-dimensionaldataandth