文档介绍：基于变异粒子群的聚类算法研究长沙理工大学硕士学位论文学校代号:学级:公开导师姓名及职称培养单位专业名称论文提交日期论文答辩日期罗可教授长沙理工大学计算机应用技术年号:密
瓻
王、考、丑砻、阩月铂导师签名:、多可学位论文原创性声明长沙理工大学学位论文版权使用授权书日期:勘日期:“日⒉槐C苋Α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: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⒈C芸冢年解密后适用本授权书。段保存和汇编本学位论文。本学位论文属于朐谝陨舷嘤Ψ娇蚰诖颉啊獭日期:工口年耫日
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上。在现有的大量聚类算法中,,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,但是劾嗨惴ù嬖谝恍┤钡悖褐挥性诔跏值确定的情况下,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。另一方面由于惴ń峁辜虻ィ诵兴俣瓤欤砸脖淮罅康赜糜诰劾嗨惴ㄖ小R虼吮疚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:帽湟炝W尤壕劾嗤诰蛲瓿删劾唷J紫确治隽肆W尤核惴ǖ娜钡悖W颖湟煲入粒子群算法,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,将猰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。没谥秩憾嘌缘腜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惴ń岷系搅W尤核惴中;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。⒍蕴岢龅乃惴ㄓ胂有的成果进行比较,分析算法的优劣性。关键词:数据挖掘;粒子群;均值聚类算法;变异;聚类
..,琭瑂,籘.,.,,