多目标监督聚类GA研究.pdfVIP

第32卷第1期 成都大学学报(自然科学版) Vbl．32NO．1 of ScienceEdition) Mar．2013 2013年3月 JournalChengduUniversity(Natural 文章编号：1004—5422(2013)01—0058—04 多目标监督聚类GA研究 索 飞，张洪伟，邹书蓉 (成都信息工程学院计算机学院，四川成都610225) 摘要：提出了多目标监督聚类GA算法，即：根据样本的类标签有监督地将样本聚类，在每个类中根据样本属 性的相似性有监督地聚成类簇．如果分属不同类标签的类簇出现相交，则相交类簇再次聚类，直到所有类簇均 不相交．适应度矢量函数由类簇数和类内距离2个目标确定，类簇数和类簇中心由目标函数自动确定，从而类 簇数和中心就不受主观因素的影响，并且保证了这2个关键要素的优化性质．预测分类时，删去单点类簇，并根 据类簇号和离某个类簇中心距离的最近邻法则以及该类簇的类标签进行分类．算法模型采用C#实现，采用3 个UCI数据集进行实例分析，实验结果表明，本算法优于著名的NativeBayes、BoostC4．5和KNN算法． 关键词：多目标GA；监督聚类；类标签；最近邻法则 中图分类号：1P301．6 文献标志码：A 收敛速度和泛化能力· 0 引 言 1 多目标监督聚类GA算法模型 近年来，聚类已经成为数据挖掘领域中一个热 门的研究课题…．一方面，它可以作为一个专门工具 1。1算法描述 来处理数据分布信息；另一方面，也可以作为数据挖 算法的基本思路是：对样本归一化处理，根据样 掘算法的一个预处理步骤【2J．监督聚类分析是聚类 本的类标签有监督地将样本分类，在每个类中按样 分析的一种，它根据样本的先验信息或假设来决定 本属性的相似性有监督地聚成类簇，如果分属不同 样本的分类，据此建立判别模型，并利用该判别模型 类标签的类簇出现相交，则相交类簇再次聚类，直到 对未知对象进行分类， 所有类簇均不相交，样本的类簇号构成染色体及种 遗传算法(Genetic 群；根据类簇数最少化及类内距离最小化原则构造 Algorithm，GA)是一类借鉴生 物界的进化规律演化而来的随机化搜索方法．它由 适应度矢量函数；利用遗传算法全局寻优的特点对 样本进行多目标优化，并找到较好的染色体；进行预 美国J．Holland教授首先提出．经过多年的研究、改 进，遗传算法已经被广泛地应用于组合优化、机器学 测分类时，删去单点类簇，并根据最近邻法则用较优 习及人工生命等领域．现阶段，科研人员仍在不断地 染色体及类标签进行分类． 研究、改进和拓展遗传算法的应用领域【3‘41． 1．2算法体系结构 本研究提出了多目标监督聚类GA算法，该算 1．2．1样本归一化． 法主要有以下特点：多目标遗传算法是自适应全局 设第￡个样本为，戈i=(戈订，…，菇蛔)，‰∈R．为 优化概率搜索算法，具有简单通用、鲁棒性强、适于 了更准确地学习样本，对所有样本进行归一化处理， 并行处理的优点．引入适应度矢量函数和擂台选择 (1) 法，而不使用聚集函数法【5“】，从而解决了难以搜索 并恐…石h})一rain({石n，并i2…戈蛔})]