基于遗传算法的有序样本聚类及其应用.pdfVIP

理 论 新 探 基于遗传算法的有序样本聚类及其应用 石建辉 （中国人民大学 统计学院，北京 100086） 摘 要：传统的解决有序样本聚类的 Fisher 最优分割法对计算机存储能力要求较高，不适合由 于样本长度较大时的情况。 实践中常用的最优二分割法只能求得局部最优解。 文章提出了一种基于 遗传算法解决有序样本聚类问题的新算法。该算法适用于多种聚类距离，适合于大样本，可以解决方 向聚类问题。 关键词：有序样本聚类；方向数据聚类；遗传算法 中图分类号： 文献标识码： 文章编号： （ ） C81 A 1002－6487 2010 23－0019-03 的均值（即该类重心的坐标）记为xij 0 前言 j 1 x = x (1) ij Σ l j-i+ 1 i = 1 分门别类地对事物进行研究是科学研究的一种重要方 Gij 的直径用D(i,j)表示，常用类中的点到类重心的离差 法。 聚类方法作为一种现代的统计分类方法，在自然科学与 平方和来定义类直径，即 社会科学各领域有着大量的应用。 一般的样品聚类，不必考 j D(i,j)= (x -x )(x -x ) (2) 虑它们之间的排列次序。 但在有些问题中样品是有序的，分 Σ i ij l ij i = 1 类时不能打乱原有次序， 而只能按序将全部样品截成几段， （ ）定义目标函数。 记 （ ）为将 个样品分为 类的 2 P n,k n k 同类样品次序互相衔接，这就是有序样本的聚类。 有序样本