改进的量子遗传进化激励的快速数据分类算法.pdf

第31卷第2期 计 算 机 仿 真 2014年2月 文章编号：1006—9348(2014)02—0340—04 改进的量子遗传进化激励的快速数据分类算法 代 亮 ，谢晓尧 (1．贵州师范大学数学与计算机科学学院，贵州 贵阳550001； 2．贵州师范大学重点实验室，贵州 贵阳550001) 摘要：由于数据的属性越来越复杂，可用于分类的属性越来越多。传统的数据聚类算法对数据聚类初始中心点十分敏感 、很 难根据数据复杂的属性选定合适的中心，计算过程中由于数据的多属性干扰易陷入计算的局部最优 ，造成算法执行效率较 低。提出了一种改进的量子遗传进化激励的快速聚类算法。算法中，首先利用高密度划分和阈值参数对样本数据集进行初 次聚类划分，生成若干聚类集合；然后将样本的聚类过程看成是聚类中心的动态优化过程 ，克服传统算法中中心点固定不变 的弊端，利用改进的量子遗传进化激励算法对每次聚类最优的聚类中心进行搜索；算法引入 自适应变异算子对进化算法进 行搜索能力进行改进，增强算法的全局搜索能力。实验证明，算法不仅具有较好的聚类精度，而且收敛速度快。 关键词：聚类；遗传算法；粒子群；密度聚类；激励 中图分类号：TP311．4 文献标识码 ：A ImprovedQuantum GeneticEvolutionIncentive FastClusteringAlgorithm DAILiang ，XIE Xiao—yao (1．SchoolofMathematicsComputerScience，GuizhouNormalUniversity，GuiyangGuizhou550001，China； 2．NetworkLaboratory，GuizhouNomralUniversity，GuiyangGuizhou550001，China) ABSTRACT：Sincethepropertiesofdataiscomplex，thepropertiesofdatatobeclassifiedareincreased，thetradi— tionalclusteringalgorithmsarevery sensitivetoinitialfocalpointfordataclustering，anditisdifficulttoselectap— propriatecenteraccordingtothecomplexitycharacteristicofthedata．Thispaperpresentedanimprovedfastcluste— ringalgorithm basedonquantum geneticevolutionincentive．Inthisalgorithm ，weusedhigh—densitypartitionand thresholdparametersfortheinitialsetofthesampledataclusterstogenerateanumberofclustersset．Finally，the optimalclustercenterofeachclusterwassearchedbyusingtheimprovedalgorithm．Theexperimentalresultsshow thatthealgorithm introducesadaptivemutationoperatorofevolutionary algorithmstoimprovesearchcapabilities，en— hancesglobalserachcapability．Furthemr ore，theclusteringalgorithm hasabetteraccuracyand fastconvergence