演化聚类算法研究

《演化聚类算法研究》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、中国科学技术大学硕士学位论文万方数据演化聚类算法研究作者姓名：学科专业：导师姓名：完成时间：陈钢计算机应用技术罗文坚副教授二。一五年四月‘移髫l万方数据UniversityofScienceandTechnologyofChinaAthesisformaster’Sdegree-一IIIIIIIII■。一Researcll0nEVOIuUonaryClusterinq，●一Author’SName：GangChenSpeciality：ComputerApplicationandTechnology

2、Supervisor：Assoc．Prof．WenjianLuoFinishedtime：April，2015万方数据中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文，是本人在导师指导下进行研宄工作所取得的成果。除已特别加以标注和致谢的地方外，论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均己在论文中作了明确的说明。作者签名：陌，勃园签字吼垫!堕塑乡Jjl中国科学技术大学学位论文授权使用声明作为申请学位的条件之一，学位论文著作权拥有者授权中国科学技术大

3、学拥有学位论文的部分使用权，即：学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，可以将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。峙纶开口保密(——年)作者签名：殛!垒多签字嘿盟啤导师签名：签字目期：墼塑!』!篁!孳如l>、玉，印万方数据摘要演化数据普遍存在于许多动态情景中，这类数据的分布会随时间而逐渐变化。演

4、化数据的学习问题越来越受到重视，是机器学习和数据挖掘领域一个新的重要研究课题。而演化数据的聚类问题研究有着广阔的应用背景，因此具有重要的研究意义。‘般而言，演化数据聚类的过程是这样的：当系统有新的数据到来时，为这些数据进行聚类分析。如何使每一时刻的聚类尽可能真实地反映数据分布特征，同时保证聚类结果在时问上具有平滑性，聚类结果在时问上的平滑性如何量化和度量等，都是演化数据聚类的重耍问题，也是本文的主要研究内容。具体而言，本文的工作主要包括以下几个方面：(1)提出一种基于差分进化的演化聚类方法deEC。

5、利用演化算法在搜索最优解的优势，本文对平滑性框架的参数口进行改进，使之在算法每一次迭代过程中自适应，使聚类结果在聚类质量和时间平滑性两方面找到最佳平衡点。在deEC中，聚类结果在时问上的平滑性被解释为个体在不同环境的适应能力。如果当前时刻的个体在过去的环境中适值越高，说明个体所携带的聚类划分方案越能反映过去时刻的数据分布特征，表现出很好的平滑性。实验方面，本文通过合成数据和真实数据，对提出的算法进行实验验证。(2)从多峰优化的角度来研究演化数据的聚类问题。已有的演化聚类算法大多基于时间平滑性框架，通

6、过加入带权重的惩罚项来保证当前聚类结果与过去结果的平滑性。本文从多峰优化的角度，采用多峰优化算法搜索全局／局部最优解，然后采用基于NMI指数的选择策略选出当前时刻的最优解。实验方面，本文采用合成数据和真实数据进行对比实验，并分析了算法的特点。(3)从数据级别上实现聚类结果在时间上的平滑性。已有的演化聚类算法大多在聚类模型的层次上保证聚类结果在时间上的平滑性。本文提出两种小同的技术，分别从数据级别上实现平滑性要求。这两种技术利用历史数据的发生规律来构建当前时刻的数据矩阵，并采用层次聚类算法得到最终的聚

7、类结果。实验方面，我们采用合成数据和真实数据进行对比实验，并分析了算法的性能。演化数据的聚类问题，作为一种新的研究课题吸引了越来越多研究人员的兴趣。如何使每一时刻的聚类方案尽可能真实地反映数据分布规律，同时保证聚类结果在时间上尽可能地平滑，以及如何量化和度量时间平滑性，都是属于演化聚类研究的核心问题。为此，本文提出了‘种基于差分进化的演化聚类方法，然后万方数据摘要从多峰优化的角度，提出了一种新的解决方案，从数据层次上实现聚类结果在时间上的平滑性，并用实验进行分析和验证，对演化数据的聚类研究有重要指导

8、意义。关键词：机器学习演化数据聚类时间平滑性万方数据ABSTRACTTime-evolvingdataisubiquitousinmanydynamicscenarios，whichreferstoacollectionofdatathatevolvesoverthetime．Learningontime—evolvingdatahasbecomeanewimportanttopicinthefieldofmachinelearninganddatamining．An