發(fā)布時(shí)間：2021-01-16 09:50

　　在數(shù)據(jù)挖掘中,數(shù)據(jù)聚類(lèi)是一項(xiàng)重要的任務(wù)。數(shù)據(jù)聚類(lèi)通過(guò)優(yōu)化特定的聚類(lèi)指標(biāo)來(lái)完成聚類(lèi)劃分任務(wù),已知是一種NP難問(wèn)題。進(jìn)化算法是一種全局搜索算法,被大量用于解決這類(lèi)NP難問(wèn)題。然而,已有的進(jìn)化聚類(lèi)算法存在速度慢、精度不高等問(wèn)題。為了解決這種問(wèn)題,研究者將進(jìn)化算法與k均值相結(jié)合用于數(shù)據(jù)聚類(lèi)。雖然基于k均值的進(jìn)化聚類(lèi)算法取得了良好的聚類(lèi)效果,但其仍舊存在一些問(wèn)題可能會(huì)限制其聚類(lèi)性能:1)進(jìn)化聚類(lèi)算法通常使用固定強(qiáng)度的k均值算子;2)算法難以有效維持種群多樣性,存在過(guò)早收斂現(xiàn)象;3)進(jìn)化聚類(lèi)算法需要預(yù)先設(shè)置聚類(lèi)簇?cái)?shù)。研究一種高效的進(jìn)化聚類(lèi)算法仍舊是一項(xiàng)具有挑戰(zhàn)性的難題,此研究也將推動(dòng)進(jìn)化計(jì)算領(lǐng)域以及聚類(lèi)的理論發(fā)展。本文的主要工作和成果如下:1.針對(duì)進(jìn)化聚類(lèi)算法中k均值算子的使用方法過(guò)于固定的缺點(diǎn),展示了一種廣義k均值使用框架,該框架允許在進(jìn)化搜索過(guò)程中任意調(diào)整k均值的使用強(qiáng)度以及頻率,并基于該框架,提出了一種自適應(yīng)策略來(lái)動(dòng)態(tài)地調(diào)整k均值的強(qiáng)度和頻率。此外,為了防止算法過(guò)早陷入局部最優(yōu),提出了一種反向搜索策略,并基于該策略實(shí)現(xiàn)了自適應(yīng)k均值算子,最終提出了一種基于自適應(yīng)反向k均值算子的文化基因算法用... 

【文章來(lái)源】：浙江工業(yè)大學(xué)浙江省

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖3-1兩個(gè)GKUF的實(shí)例

f f max< f fmax），k 均值的頻率τ將被調(diào)整為： maxminmin1ffff c設(shè)為 1。其中，minf 、 maxf 和 f 分別代表當(dāng)前種群適應(yīng)度的最小值，而 c1是一個(gè)常數(shù)值。等式中的差值maxminf f 被用于歸一化。公式，k 均值算子將以低頻率應(yīng)用于收斂程度高的種群。如果多樣 f f max≥ f fmax），則 k 均值算子的強(qiáng)度σ將被計(jì)算為： maxminmax2ffff c設(shè)為 1。其中，c2是一個(gè)常數(shù)值。因此，基于該公式，當(dāng)種群具有高 均值算子將以高強(qiáng)度用于改善進(jìn)化期間的解。通過(guò)聯(lián)合使用上述公式KO策略旨在根據(jù)進(jìn)化期間種群多樣性信息適當(dāng)?shù)卣{(diào)整 k 均值算子的

(c) Art_20圖 3-3 人工數(shù)據(jù)集Figure 3-3. Artificial data sets所使用的真實(shí)數(shù)據(jù)集有 BalanceScale、Car、Musk、Gesture、Landsat、Turkiye和 MFCCs，其取自 UCI 知識(shí)庫(kù)[79]。BalanceScale 數(shù)據(jù)有 625 個(gè)心理實(shí)驗(yàn)結(jié)果實(shí)例，被分為三類(lèi)（即，平衡刻度指向左、向右和平衡）。因此，該數(shù)據(jù)集應(yīng)有三個(gè)簇。Car 數(shù)據(jù)由 1728 個(gè)數(shù)據(jù)點(diǎn)組成，有 6 個(gè)屬性，4 種類(lèi)型的汽車(chē)評(píng)估結(jié)果。Musk 數(shù)據(jù)包含 476 個(gè)具有 166 個(gè)屬性的實(shí)例，其根據(jù)分子的確切形狀或構(gòu)造來(lái)描述分子。這些分子被認(rèn)為是麝香或非麝香。因此，數(shù)據(jù)中有兩個(gè)簇。Gesture 數(shù)據(jù)由手勢(shì)的時(shí)間片段組成，用于預(yù)處理視頻。這里所使用的數(shù)據(jù)集來(lái)自于原始文件，其中記錄了用戶(hù) B 在講述故事 1 時(shí)的手勢(shì)。該數(shù)據(jù)集共有 1073 個(gè)實(shí)例，將被劃分為 5 個(gè)簇，其對(duì)應(yīng)于 5 種手勢(shì)階段。Landsat 數(shù)據(jù)包含衛(wèi)星圖像中 3*3 鄰域中像素的多光譜值。該數(shù)據(jù)具有 36 個(gè)屬性，4435 個(gè)實(shí)例，并且將被聚類(lèi)為 6 個(gè)簇，對(duì)應(yīng)于 6 種

【參考文獻(xiàn)】：
期刊論文
[1]基于概率分布的多峰演化算法[J]. 陳偉能,楊強(qiáng).  計(jì)算機(jī)研究與發(fā)展. 2017(06)
[2]一種MapReduce架構(gòu)下基于遺傳算法的K-Medoids聚類(lèi)[J]. 賴(lài)向陽(yáng),宮秀軍,韓來(lái)明.  計(jì)算機(jī)科學(xué). 2017(03)
[3]類(lèi)進(jìn)化算法驅(qū)動(dòng)的動(dòng)態(tài)電力經(jīng)濟(jì)調(diào)度優(yōu)化[J]. 陳皓,潘曉英.  電子學(xué)報(bào). 2017(01)
[4]直覺(jué)模糊小生境的自適應(yīng)遺傳算法求解旅行商問(wèn)題[J]. 梅海濤,王毅,華繼學(xué).  計(jì)算機(jī)科學(xué). 2016(12)
[5]基于兩階段搜索算法的多峰函數(shù)優(yōu)化[J]. 李煥哲,吳志健,郭肇祿,劉會(huì)超,汪慎文.  電子學(xué)報(bào). 2016(06)
[6]基于混合遺傳模擬退火算法的SaaS構(gòu)件優(yōu)化放置[J]. 孟凡超,初佃輝,李克秋,周學(xué)權(quán).  軟件學(xué)報(bào). 2016(04)
[7]求解隨機(jī)時(shí)變背包問(wèn)題的精確算法與進(jìn)化算法[J]. 賀毅朝,王熙照,李文斌,趙書(shū)良.  軟件學(xué)報(bào). 2017(02)
[8]教育數(shù)據(jù)挖掘研究進(jìn)展綜述[J]. 周慶,牟超,楊丹.  軟件學(xué)報(bào). 2015(11)
[9]基于內(nèi)部罰函數(shù)的進(jìn)化算法求解約束優(yōu)化問(wèn)題[J]. 崔承剛,楊曉飛.  軟件學(xué)報(bào). 2015(07)
[10]一種新的并行自動(dòng)聚類(lèi)算法:CGC-Cluster[J]. 杜欣,劉大剛,倪友聰,張開(kāi)活,謝大同.  小型微型計(jì)算機(jī)系統(tǒng). 2015(06)



本文編號(hào)：2980608