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

【文章來源】：浙江工業(yè)大學浙江省

【文章頁數(shù)】：72 頁

【學位級別】：碩士

【部分圖文】：

圖3-1兩個GKUF的實例

f f max< f fmax），k 均值的頻率τ將被調(diào)整為： maxminmin1ffff c設為 1。其中，minf 、 maxf 和 f 分別代表當前種群適應度的最小值，而 c1是一個常數(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 均值算子的強度σ將被計算為： maxminmax2ffff c設為 1。其中，c2是一個常數(shù)值。因此，基于該公式，當種群具有高 均值算子將以高強度用于改善進化期間的解。通過聯(lián)合使用上述公式KO策略旨在根據(jù)進化期間種群多樣性信息適當?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所使用的真實數(shù)據(jù)集有 BalanceScale、Car、Musk、Gesture、Landsat、Turkiye和 MFCCs，其取自 UCI 知識庫[79]。BalanceScale 數(shù)據(jù)有 625 個心理實驗結果實例，被分為三類（即，平衡刻度指向左、向右和平衡）。因此，該數(shù)據(jù)集應有三個簇。Car 數(shù)據(jù)由 1728 個數(shù)據(jù)點組成，有 6 個屬性，4 種類型的汽車評估結果。Musk 數(shù)據(jù)包含 476 個具有 166 個屬性的實例，其根據(jù)分子的確切形狀或構造來描述分子。這些分子被認為是麝香或非麝香。因此，數(shù)據(jù)中有兩個簇。Gesture 數(shù)據(jù)由手勢的時間片段組成，用于預處理視頻。這里所使用的數(shù)據(jù)集來自于原始文件，其中記錄了用戶 B 在講述故事 1 時的手勢。該數(shù)據(jù)集共有 1073 個實例，將被劃分為 5 個簇，其對應于 5 種手勢階段。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 個屬性，4435 個實例，并且將被聚類為 6 個簇，對應于 6 種

【參考文獻】：
期刊論文
[1]基于概率分布的多峰演化算法[J]. 陳偉能,楊強.  計算機研究與發(fā)展. 2017(06)
[2]一種MapReduce架構下基于遺傳算法的K-Medoids聚類[J]. 賴向陽,宮秀軍,韓來明.  計算機科學. 2017(03)
[3]類進化算法驅(qū)動的動態(tài)電力經(jīng)濟調(diào)度優(yōu)化[J]. 陳皓,潘曉英.  電子學報. 2017(01)
[4]直覺模糊小生境的自適應遺傳算法求解旅行商問題[J]. 梅海濤,王毅,華繼學.  計算機科學. 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,劉會超,汪慎文.  電子學報. 2016(06)
[6]基于混合遺傳模擬退火算法的SaaS構件優(yōu)化放置[J]. 孟凡超,初佃輝,李克秋,周學權.  軟件學報. 2016(04)
[7]求解隨機時變背包問題的精確算法與進化算法[J]. 賀毅朝,王熙照,李文斌,趙書良.  軟件學報. 2017(02)
[8]教育數(shù)據(jù)挖掘研究進展綜述[J]. 周慶,牟超,楊丹.  軟件學報. 2015(11)
[9]基于內(nèi)部罰函數(shù)的進化算法求解約束優(yōu)化問題[J]. 崔承剛,楊曉飛.  軟件學報. 2015(07)
[10]一種新的并行自動聚類算法:CGC-Cluster[J]. 杜欣,劉大剛,倪友聰,張開活,謝大同.  小型微型計算機系統(tǒng). 2015(06)



本文編號：2980608