基于变异粒子群的聚类算法研究-计算机应用技术专业论文.docxVIP

Research Research on Clustering Algorithm based on Mutation Particle Swarm Optimization by Wang Dong B．E(AnQing Teachers College)2008 A thesis submitted in partial satisfaction of the Requirements for the degree of Master of Engineering m Computer Applications m Changsha University of Science＆Technology Supervisor Professor Luo Ke March，2011 长沙理工大学学位论文原创性声明 长沙理工大学 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所 取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含 任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重 要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本 声明的法律后果由本人承担。 作者签名： 丑砻、 日期：山．年岁月“日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意 学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论 文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部 分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手 段保存和汇编本学位论文。 本学位论文属于 l、保密口，在 年解密后适用本授权书。 2、不保密圈。 (请在以上相应方框内打“√”) 作者签名： 王、考、 日期：勘I 1年j月铂 导师签名：、多可 日期：工口11年f月d日 摘要在数据挖掘中，很多工作都集中在发现能够高效地对大数据库进行聚类分析的方法 摘要 在数据挖掘中，很多工作都集中在发现能够高效地对大数据库进行聚类分析的方法 上。在现有的大量聚类算法中，尤其以K-means算法应用比较广泛。K．means算法以点 为原型，能够实现球形数据的聚类。该算法思想简单，易于实现，而且运行速度快，内 存消耗小，能有效地处理大数据集，但是K-means聚类算法存在一些缺点：只有在初始 值确定的情况下，聚类结果才是唯一确定的；算法都是局部寻优算法，容易追寻目标函 数而陷入局部最优解，而且算法在一定程度上依赖于初始分类的确定，如果初始分类严 重地偏离全局最优分类时，算法很容易陷入局部极小值，得到一个局部最优解。另一方 面由于PSO算法结构简单，运行速度快，所以也被大量地用于聚类算法中。因此本文 在前人的基础上对算法进行了改进，把两种算法进行了有机的结合。所做的工作如下： 1．用变异粒子群聚类挖掘完成聚类。首先分析了粒子群算法的缺点，将粒子变异引 入粒子群算法，通过增加种群的多样性来克服早熟收敛现象；其次通过对惯性权重的调 整提高了算法的精度和收敛速度；最后，将K—means算法和粒子群算法结合起来形成一 种混合聚类算法。该算法有效地平衡了粒子群寻优过程中的探索和开发，从而保证了粒 子群算法稳定且收敛到全局最优。 2．用基于种群多样性的PSO聚类挖掘算法实现聚类。首先分析现有的描述种群多样 性指标的缺点；其次将基于粒子群算法的变异操作和K-means算法结合到粒子群算法 中；最后，通过内部空间特性对粒子进行适当的扰动。该算法既改善了粒子群算法的局 部搜索能力，又通过增加种群的多样性，避免了算法出现早熟收敛现象。 3．计算机仿真。使用VC．6．0工具对提出的算法进行模拟实现，并对提出的算法与现 有的成果进行比较，分析算法的优劣性。 关键词：数据挖掘；粒子群；K-均值聚类算法；变异；聚类 ABSTRACTMost ABSTRACT Most work of data mining has focused on the discovery of the methods which could effective cluster to large database．At present，there is a large number of clustering algorithms in which k—means algorithm Was applied widely．K-means clustering algorithm regard point as the prototype for clustering of spherical data．Thoughts of the algorithm is simple，easy to implement，fast r