基于班德文克隆选择算法的模糊聚类研究-电路与系统专业论文.docxVIP

西安电子科技大学 学位论文独创性（或创新性）声明 秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在 导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标 注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成 果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的 材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说 明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切的法律责任。 本人签名： 日期 西安电子科技大学 关于论文使用授权的说明 本人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究 生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保 留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内 容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后 结合学位论文研究课题再攥写的文章一律署名单位为西安电子科技大学。 本人签名： 日期 导师签名： 日期 摘 摘 要 摘 要 数据挖掘是指从大量资料中自动搜索隐藏于其中的有着特殊关联性的信息 的过程。作为数据挖掘的一种强有力的分析工具，聚类分析得到了人们的广泛关 注。 克隆选择机理是免疫优化计算中最常用的基础理论之一。其中，克降选择算 法 CLONALG 是经典的免疫算法。传统的克隆选择算法存在着参数过多等问题。 因此，近些年来，有关学者提出的一种新的克隆选择算法——班德文克隆选择算 法，它简化了参数的设置，本文将班德文克隆选择算法应用于数据的模糊聚类。 具体工作如下： 首先，基于班德文克隆选择算法提出一种新的模糊聚类算法，将它与 FCM 算法，CSAFCM 算法在人工数据集和 UCI 数据集上进行了对比实验。结果表明 我们的算法无论从平均正确率还是鲁棒性上都具有好的优势。 其次，基于班德文克隆选择算法提出了一种新的自动模糊聚类算法，并将它 与 VGA 算法在人工数据集和 UCI 数据集上进行了对比实验。结果证明我们的算 法在多类别数据集上具有较高的平均正确率。 最后，将加入班德文学习算子的人工免疫多目标优化算法应用于多目标数据 模糊聚类。多目标聚类算法对两个目标函数同时进行优化，我们将它应用于人工 数据集和 UCI 数据集，进行了初步的研究实验，实验结果表明，算法具有较高 的聚类正确率。 关键词：聚类分析 克隆选择 班德文学习 自动聚类 多目标 AB ABSTRACT ABSTRACT Data mining is the process of automatically searching for hidden particular relevance information from large amounts of data. As an effective tool in the data mining, cluster analysis has attracted a wide attention. Clone selection mechanism is one of the most commonly used basic theories in the immune computation, many immune algorithms are proposed inspired by clonal selection. Among them, CLONALG is the mostly classic clonal selection algorithm. Since most of these traditional clonal selection algorithms need to set manually many parameters, some new clonal selection algorithms were proposed to overcome this problem in recent years, especially the Baldwinian clone selection algorithm. In the paper, we applied the Baldwinian clone selection algorithm to clustering analysis. The main works can be described as follows: First, we combined the Baldwinian clone selection algorithm with FCM and proposed a new fuzzy c