基于群智能算法的聚類分析方法研究.pdf

1、針對現有的聚類分析方法在數據挖掘應用中存在的不足，本文結合群智能算法，對傳統的聚類方法加以改進，提出了一些新的基于群智能算法的聚類分析方法；并分析了其方法的性能。通過實驗驗證了本文提出的基于群智能算法的聚類分析方法的有效性。歸納起來，研究成果主有以下4個方面：
　　 1)提出了基于人口遷移算法的聚類分析方法。該方法首先將待聚類的對象隨機放置在一個二維平面上，每一個對象有一個隨機初始位置，每一個對象能夠在平面上移動，并測量對象在局

2、部環(huán)境的群體相似度。通過轉換函數將群體相似度轉化成收入/吸引力函數，根據收入/吸引力函數來實現自組織聚類過程。
　　 2、)提出了一種新的基于人工魚群的混合聚類算法。人工魚群算法不需要先驗知識，利用隨機遍歷的原則進行聚類分析。K-平均算法需要一個初始分割，運用確定/啟發(fā)式原則進行聚類分析。首先對單個的數據對象運用人工魚群算法進行聚類分析：然后考察聚類結果，根據結果選出供K-平均算法進行聚類分析的輸入點；最后用K-平均算法進行聚類

3、分析。
　　 3、)提出了一種新的基于人工魚群算法的動態(tài)模糊聚類。通過引入模糊等價矩陣來表示高維樣本之間的相似程度，并將高維樣本映射到二維平面。然后利用人工魚群算法不斷優(yōu)化二維樣本的坐標值，使樣本之間的歐氏距離向樣本間的模糊等價矩陣趨近，最終實現模糊聚類。
　　 4)提出了一種基于差分進化算法的空間聚類算法。結合空間數據所特有的特點采用了一種基于差分進化的變異、交叉、選擇操作，使得變異、交叉、選擇過程能不斷產生有意義的新