一种基于群体智能多主体聚类算法.docVIP

一种基于群体智能的多主体聚类算法 　　摘 要：目前聚类算法普遍存在对初始化参数和异常数据敏感，难以找到最优聚类以及聚类的有效性等问题。利用群体智能和多主体系统具有的自组织性、健壮性、可扩展性和简单性等优点，给出了一种新型的优化聚类算法。在三维空间搭建主体运行环境，丰富主体的记忆、通信以及信息协调能力，增强主体的分析和判断能力。实验证明，该新型聚类算法具有运行速度快，准确性高以及对数据的输入顺序不敏感，能应付异常数据，处理高维、高复杂性数据等优点，可应用于图像处理、模式识别、文档归类等多个领域。 　　关键词：群体智能； 多主体系统； 聚类?? 　　中图法分类号：TP301.6文献标识码：A 　　文章编号：1001―3695(2007)02―0030―03 　　 　　1 引言?? 　　 　　聚类又称分割, 是将物理或抽象的数据对象集合分组, 成为由类似的对象组成的多个类, 使不同类间的相似性最小化, 而相同类内相似性最大化[1]。聚类是数据挖掘研究的一个重要方面，是一种无指导的学习过程[2]。数据聚类的研究能推动统计学、机器学习、空间数据库技术、生物学以及市场营销的发展。目前常见的几大类聚类算法的基本思想有分裂法[3]、层次法[4]、基于密度的方法[5]和基于网格的方法[6]、基于模型的方法[7]。以上各种算法虽各有优点，但普遍存在对初始化参数敏感，处理异常数据困难，难以找到最优聚类以及聚类的有效性等问题。?? 　　本文利用群体智能理论和多主体系统具有的自组织性、健壮性、可扩展性、简单性等优点[8]，在基于群体智能聚类的自动机和数学模型[9]的基础上，给出一种新型的优化聚类算法。该算法在三维空间中搭建主体运行环境，丰富主体的记忆、通信以及信息协调能力，增强了主体的分析和判断能力，从而增强了个体的智能性和灵活性，优化了算法性能。?? 　　 　　2 基本理论?? 　　 　　2.1 群体智能理论?? 　　群体智能是指无智能的主体通过合作表现出智能行为的特性。一些受群居生物筑巢、觅食、迁徙、清扫蚁穴等行为启发而设计的算法成功地解决了组合优化、通信网络和机器人等领域的实际问题。群体智能在没有集中控制并且不提供全局模型的前提下，为寻找复杂的分布式问题的解决方案提供了基础[10]。将群体智能应用于聚类算法，可使聚类算法具有与群体智能算法相同的特点，它利用个体与个体和个体与环境的交互作用，不必预设聚类中心的数目，实现自组织聚类过程，具有健壮性和可视化等特点。?? 　　2.2 多主体系统?? 　　多主体系统理论与技术的研究源自分布式人工智能(DAI),20世纪90 年代它成了DAI领域的研究热点,目前已在许多领域得到了广泛的应用。多主体系统主要研究在逻辑上或物理上分离的多个主体之间进行协调智能行为，最终实现问题求解[11]。主体是具有信念、愿望、意图、能力、选择、承诺等心智状态的实体，比对象的粒度更大，智能性更高，而且具有一定自主性。主体试图自治地、独立地完成任务，而且可以与环境交互，与其他主体通信，通过规划达到目标。?? 　　 　　3 基于群体智能的多主体聚类算法?? 　　 　　基于群体智能的聚类算法起源于对蚁群、蚁卵的分类研究。Deneubourg等人提出了基本模型(Basic Model)，这种模型主要是基于对于单只蚂蚁拾起、放下物体的行为方式进行建模。Lumer和Faieta将BM推广应用到数据分析。吴斌等人在简化分类模型的基础上系统地提出了一种基于群体智能的聚类算法。本文在借鉴多主体系统相关思想的基础上，提出了一种基于群体智能的MAC(Multi-Agent Clustering Algorithm,多主体聚类算法)，并将其成功应用于新闻文本的自动归类中。?? 　　区别于以往的群体智能聚类算法，本文提出的新型聚类算法具有如下特点：?? 　　（1）将知识约简后的数据矢量组随机地放入一个三维空间的二维平面中。?? 　　（2）聚类主体具有一定的记忆特点。当其遇到或搭建起一个堆时，会将该堆的特征信息以及位置信息记录下来。（3）聚类主体具有分析能力。主体在聚类过程中会遇到堆或物体，主体会自行区分这两种不同情形，从而采取不同的行动来区别对待。?? 　　（4）聚类主体具有判断能力。当主体拿起一个数据矢量，它首先去搜寻现有的记忆信息，如果当前数据矢量信息能够与以往的堆进行合并，那么它会将此矢量直接归并到相似堆中。?? 　　（5）聚类主体具有通信功能。它能够将记忆信息传播给其他主体，这样就能实现聚类主体间的信息共享。?? 　　（6）聚类主体具有信息协调能力。为适应网格中数据矢量分布和堆分布的动态特性，主体需要能够实时地去更新记忆链表中的堆信息，以保证信息的一致性。?? 　　以上的这些特点使群体智能中的