量子多目标进货聚类算法谢谢应用的研究.pdf

洲Jit F iffll rift!IIII IIfllllfflllj— Y2067108‘。 数据挖掘，是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提 取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，并 得出时间的趋向和关联，为用户提供问题求解层次的决策支持能力。当人们使用 数据挖掘工具对数据中的模型和关系进行辨识的时候，通常第一个步骤就是聚类。 所以聚类作为数据挖掘的主要方法之一，也越来越引起人们的关注。迄今为止， 人们提出了大量聚类算法。但这些算法仅适用于特定的问题及用户，而且它们在 理论和方法上仍不完善。随着数据规模越来越大，而先验知识却相对缺乏，如何 解释大规模高维空间包含的数据成为一个难题。本论文在多目标进化计算的系统 框架下，结合量子理论，用优化的思想来解决聚类问题，提出了量子多目标进化 聚类算法，并将其用于人工数据聚类、UCI数据聚类、纹理图像分割和遥感图像