混合屬性及混合策略進化聚類算法.pdf

1、聚類算法是一種廣泛應(yīng)用于數(shù)據(jù)挖掘、機器學(xué)習(xí)、圖像處理等若干領(lǐng)域的重要技術(shù)。進化聚類算法是聚類算法中的重要分支,本文旨在提出兩種新的進化聚類算法,即混合屬性進化聚類算法和混合策略進化聚類算法。本文對聚類問題和進化計算做了簡要的介紹,詳細描述和討論了提出的兩種進化聚類算法,并在人工數(shù)據(jù)集和UCI數(shù)據(jù)集上對算法進行了性能測試和分析。
　　 本文在第二章提出了針對混合屬性數(shù)據(jù)集的進化聚類算法。它基于K原型算法,應(yīng)用進化計算的框架和算子求

2、得混合屬性數(shù)據(jù)集的合理劃分,因此可以被看做是一種進化K原型算法。作為一種基于劃分的聚類算法,K原型算法是針對混合屬性數(shù)據(jù)集的著名算法。然而,由于它采用K均值的迭代方式,所以它對初始原型敏感且容易陷入局部最優(yōu)。進化計算具有全局搜索能力,因此本文采用進化計算操作K原型算法以克服原始算法的缺陷。對人工數(shù)據(jù)集和UCI數(shù)據(jù)集的實驗表明,本章提出的混合屬性進化聚類算法比原始的K原型算法性能更優(yōu)。
　　 本文在第三章提出了基于多種群的混合進化

3、聚類算法,它屬于混合策略進化聚類算法的一種。此算法采用多種群策略和一種新的抽取策略以傳遞父代個體的有用信息給子代。父代個體是從每個候選種群中選出的一個最好個體。整個數(shù)據(jù)集被建模成一幅無向圖,因此本算法使用基于圖的KWNC標(biāo)準(zhǔn)作為適應(yīng)度函數(shù)選擇個體。此外,進化中還使用了約簡策略,以加快運行速度。對于進化收斂后的不同情形,本章設(shè)計了相應(yīng)的終止方案以得到最終聚類結(jié)果。對人工數(shù)據(jù)集和UCI數(shù)據(jù)集的實驗表明,本章算法能夠找到比嵌入其中的候選算法和

4、進化K均值算法更優(yōu)的聚類結(jié)果。
　　 本文在第四章提出了基于多種群和圖搜索的混合進化聚類算法,它也屬于混合策略進化聚類算法的一種。此算法采用與第三章算法類似的框架,適應(yīng)度函數(shù),抽取策略以及終止策略。不同點在于本章用三種不同算法產(chǎn)生層級聚類候選種群,增大了其多樣性；此外兩種不同的基于圖的搜索策略被用于尋找更合理的數(shù)據(jù)劃分。這些方法都大大提高了算法的性能。對人工數(shù)據(jù)集和UCI數(shù)據(jù)集的實驗表明,本章算法不僅具有第三章算法的優(yōu)點,并且其