遺傳算法在XML文檔聚類(lèi)中的研究.pdf

1、XML是近年來(lái)得到廣泛應(yīng)用的一種元數(shù)據(jù)置標(biāo)語(yǔ)言。隨著XML文檔數(shù)量呈現(xiàn)出爆炸式的發(fā)展，人們迫切的需要從這些文檔中獲取相應(yīng)的信息知識(shí)。因此，XML文檔的數(shù)據(jù)挖掘也成為目前的一個(gè)研究熱點(diǎn)。其中，XML文檔的自動(dòng)聚類(lèi)是數(shù)據(jù)挖掘中一個(gè)新的研究領(lǐng)域，不僅可以增強(qiáng)網(wǎng)絡(luò)中XML文檔的組織性，也為網(wǎng)絡(luò)上知識(shí)信息的收集、整理和檢索提供了一個(gè)有效的技術(shù)支持，同時(shí)還能夠在海量的XML文檔中發(fā)現(xiàn)未知的隱含的知識(shí)和文檔間的聯(lián)系，具有很大的研究意義。K-medoi

2、ds聚類(lèi)方法是一種簡(jiǎn)潔快速的聚類(lèi)算法，用于處理一般的聚類(lèi)問(wèn)題非常方便快捷，傳統(tǒng)的K-medoids聚類(lèi)需要解決的問(wèn)題主要有兩個(gè)，一個(gè)是聚類(lèi)個(gè)數(shù)的確定，另一個(gè)是聚類(lèi)中心點(diǎn)的選擇。本文依次提供了分別解決這兩個(gè)問(wèn)題的方法。首先，在確定聚類(lèi)個(gè)數(shù)的問(wèn)題上，本文提出了利用模糊聚類(lèi)，采取基于模糊等價(jià)關(guān)系矩陣的方法，利用評(píng)估函數(shù)確定不同閾值下確定的聚類(lèi)個(gè)數(shù)，最后記錄評(píng)估函數(shù)值最高的聚類(lèi)結(jié)果所對(duì)應(yīng)的最佳聚類(lèi)個(gè)數(shù)。在K-medoids聚類(lèi)算法中，初始聚類(lèi)中

3、心點(diǎn)選擇，對(duì)最終的聚類(lèi)結(jié)果的質(zhì)量影響很大，因此，如何選擇接近實(shí)際聚類(lèi)中心的初始中心點(diǎn)一直是研究的熱點(diǎn)與難點(diǎn)。本文根據(jù)遺傳算法具有搜索全局最優(yōu)解的能力，把遺傳算法應(yīng)用到K-medoids聚類(lèi)中。該算法采用聚類(lèi)中心點(diǎn)集合作為遺傳算法的個(gè)體，個(gè)體染色體的長(zhǎng)度即聚類(lèi)的個(gè)數(shù)。我們隨機(jī)初始化種群，產(chǎn)生一系列的個(gè)體，然后依次利用染色體中的基因位作為初始聚類(lèi)中心點(diǎn)，根據(jù)XML文檔的相似度矩陣，結(jié)合K-medoids算法，對(duì)每個(gè)個(gè)體進(jìn)行聚類(lèi)，利用聚類(lèi)評(píng)估