K m eans算法與群體智能算法（PSO）融合的研究與應(yīng)用
發(fā)布時(shí)間：2021-01-25 20:40
數(shù)據(jù)挖掘是目前人工智能和數(shù)據(jù)庫領(lǐng)域研究的關(guān)鍵技術(shù)之一,如何從海量信息中快速而有效的分析出用戶所需要的信息已成為數(shù)據(jù)挖掘的研究重點(diǎn)。聚類分析是數(shù)據(jù)挖掘中國內(nèi)外眾多學(xué)者關(guān)注的焦點(diǎn),而具有簡單、高效、適用于高維復(fù)雜數(shù)據(jù)等優(yōu)點(diǎn)的聚類算法也成為了聚類分析的研究重點(diǎn)。因此,本文提出一種與群體智能算法融合的Kmeans聚類算法,提高了聚類質(zhì)量和精度。具體研究工作如下:（1）針對數(shù)據(jù)中各個屬性對于最終聚類結(jié)果的影響,提出一種改進(jìn)的特征加權(quán)算法。改進(jìn)算法通過采用信息熵和ReliefF算法對特征進(jìn)行加權(quán)選擇,使算法達(dá)到更準(zhǔn)確、更有效的聚類效果。實(shí)驗(yàn)結(jié)果表明,與傳統(tǒng)的Kmeans算法相比,改進(jìn)后的算法聚類結(jié)果穩(wěn)定,聚類的精度有明顯提升。（2）將改進(jìn)的Kmeans算法與粒子群算法進(jìn)行融合,提出一種基于粒子群算法的Kmeans混合聚類算法。利用粒子群算法的全局尋優(yōu)能力,得到全局最優(yōu)解作為Kmeans算法的初始聚類中心,解決了 Kmeans算法聚類結(jié)果易受初始值影響的問題,從而提高聚...
【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)
【文章頁數(shù)】：45 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖１聚類過程圖??Ｆｉｇ．?１?Ｃｌｕｓｔｅｒｉｎｇ?ｐｒｏｃｅｓｓ?ｃｈａｒｔ??
圖３粒子移動示意圖??Ｆｉｇ．３?Ｓｃｈｅｍａｔｉｃ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｍｏｖｅｍｅｎｔ??
圖４粒子群算法流程圖??Ｆｉｇ．４?ＰＳＯ?Ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??
【參考文獻(xiàn)】：
期刊論文
[1]基于Matlab和粒子群算法的磨礦技術(shù)效率預(yù)測模型[J]. 周文濤,韓躍新,李艷軍,楊金林. 東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]優(yōu)化正交匹配追蹤和短時(shí)譜估計(jì)用于聲音識別[J]. 陳秋菊,徐建國. 計(jì)算機(jī)工程與應(yīng)用. 2020(07)
[3]一種基于譜聚類算法的高光譜遙感圖像分類方法[J]. 楊隨心,耿修瑞,楊煒暾,趙永超,盧曉軍. 中國科學(xué)院大學(xué)學(xué)報(bào). 2019(02)
[4]基于回溯蟻群-粒子群混合算法的多點(diǎn)路徑規(guī)劃[J]. 劉麗玨,羅舒寧,高琰,陳美妃. 通信學(xué)報(bào). 2019(02)
[5]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的話題趨勢預(yù)測[J]. 馬曉寧,王惠. 計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[6]群體智能優(yōu)化算法[J]. 程適,王銳,伍國華,郭一楠,馬連博,史玉回. 鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(06)
[7]K-means算法研究綜述[J]. 叢思安,王星星. 電子技術(shù)與軟件工程. 2018(17)
[8]改進(jìn)的K-means融合微粒群優(yōu)化的基因選擇方法[J]. 杜洪波,白阿珍,朱立軍. 沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(01)
[9]一種改進(jìn)量子行為粒子群優(yōu)化算法的移動機(jī)器人路徑規(guī)劃[J]. 劉潔,趙海芳,周德廉. 計(jì)算機(jī)科學(xué). 2017(S2)
[10]基于Hadoop平臺的K-means算法優(yōu)化綜述[J]. 孟佳偉,孫紅. 軟件導(dǎo)刊. 2017(06)
碩士論文
[1]基于優(yōu)化混合智能算法的云計(jì)算任務(wù)調(diào)度策略研究[D]. 趙莎莎.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[2]相關(guān)性加權(quán)K-means算法的改進(jìn)及其應(yīng)用[D]. 吳斌.江西理工大學(xué) 2018
[3]K-means聚類算法的改進(jìn)研究[D]. 宋建林.安徽大學(xué) 2016
[4]優(yōu)化粒子群和蟻群算法的云計(jì)算任務(wù)調(diào)度研究[D]. 查安民.南京航空航天大學(xué) 2016
[5]K-means算法的改進(jìn)及其在云任務(wù)分配策略中的應(yīng)用研究[D]. 孫雪瑩.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2014
[6]基于數(shù)據(jù)挖掘的酒店CRM客戶獲取的研究[D]. 易珺.廣東工業(yè)大學(xué) 2005
本文編號：2999860
【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學(xué)內(nèi)蒙古自治區(qū)
【文章頁數(shù)】：45 頁
【學(xué)位級別】：碩士
【部分圖文】：
圖１聚類過程圖??Ｆｉｇ．?１?Ｃｌｕｓｔｅｒｉｎｇ?ｐｒｏｃｅｓｓ?ｃｈａｒｔ??
圖３粒子移動示意圖??Ｆｉｇ．３?Ｓｃｈｅｍａｔｉｃ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｍｏｖｅｍｅｎｔ??
圖４粒子群算法流程圖??Ｆｉｇ．４?ＰＳＯ?Ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??
【參考文獻(xiàn)】：
期刊論文
[1]基于Matlab和粒子群算法的磨礦技術(shù)效率預(yù)測模型[J]. 周文濤,韓躍新,李艷軍,楊金林. 東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(04)
[2]優(yōu)化正交匹配追蹤和短時(shí)譜估計(jì)用于聲音識別[J]. 陳秋菊,徐建國. 計(jì)算機(jī)工程與應(yīng)用. 2020(07)
[3]一種基于譜聚類算法的高光譜遙感圖像分類方法[J]. 楊隨心,耿修瑞,楊煒暾,趙永超,盧曉軍. 中國科學(xué)院大學(xué)學(xué)報(bào). 2019(02)
[4]基于回溯蟻群-粒子群混合算法的多點(diǎn)路徑規(guī)劃[J]. 劉麗玨,羅舒寧,高琰,陳美妃. 通信學(xué)報(bào). 2019(02)
[5]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的話題趨勢預(yù)測[J]. 馬曉寧,王惠. 計(jì)算機(jī)工程與設(shè)計(jì). 2018(09)
[6]群體智能優(yōu)化算法[J]. 程適,王銳,伍國華,郭一楠,馬連博,史玉回. 鄭州大學(xué)學(xué)報(bào)(工學(xué)版). 2018(06)
[7]K-means算法研究綜述[J]. 叢思安,王星星. 電子技術(shù)與軟件工程. 2018(17)
[8]改進(jìn)的K-means融合微粒群優(yōu)化的基因選擇方法[J]. 杜洪波,白阿珍,朱立軍. 沈陽工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2018(01)
[9]一種改進(jìn)量子行為粒子群優(yōu)化算法的移動機(jī)器人路徑規(guī)劃[J]. 劉潔,趙海芳,周德廉. 計(jì)算機(jī)科學(xué). 2017(S2)
[10]基于Hadoop平臺的K-means算法優(yōu)化綜述[J]. 孟佳偉,孫紅. 軟件導(dǎo)刊. 2017(06)
碩士論文
[1]基于優(yōu)化混合智能算法的云計(jì)算任務(wù)調(diào)度策略研究[D]. 趙莎莎.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2018
[2]相關(guān)性加權(quán)K-means算法的改進(jìn)及其應(yīng)用[D]. 吳斌.江西理工大學(xué) 2018
[3]K-means聚類算法的改進(jìn)研究[D]. 宋建林.安徽大學(xué) 2016
[4]優(yōu)化粒子群和蟻群算法的云計(jì)算任務(wù)調(diào)度研究[D]. 查安民.南京航空航天大學(xué) 2016
[5]K-means算法的改進(jìn)及其在云任務(wù)分配策略中的應(yīng)用研究[D]. 孫雪瑩.內(nèi)蒙古農(nóng)業(yè)大學(xué) 2014
[6]基于數(shù)據(jù)挖掘的酒店CRM客戶獲取的研究[D]. 易珺.廣東工業(yè)大學(xué) 2005
本文編號：2999860
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2999860.html
最近更新
教材專著
