隨著互聯(lián)網(wǎng)的發(fā)展和信息時(shí)代的到來(lái),各行各業(yè)產(chǎn)生了海量數(shù)據(jù),如何從海量數(shù)據(jù)中挖掘出對(duì)人們有用的信息變得尤為重要。聚類分析技術(shù)是一種無(wú)監(jiān)督學(xué)習(xí)方法,也是數(shù)據(jù)挖掘中常用的分析方法之一�，F(xiàn)有的群體智能的自適應(yīng)聚類算法存在尋優(yōu)能力弱、聚類密集性以及聚類綜合質(zhì)量不高、普適性不強(qiáng)的缺陷。針對(duì)以上問(wèn)題,本文提出了一種基于傳粉策略的自適應(yīng)聚類算法。此外,針對(duì)傳統(tǒng)的選址算法存在需要指定聚類簇的個(gè)數(shù)以及參數(shù)較敏感的不足,提出了一種基于傳粉啟發(fā)聚類的商戶選址方法�；趥鞣鄄呗缘淖赃m應(yīng)聚類算法是受到自然界傳粉昆蟲(chóng)與植物交互過(guò)程的啟發(fā)而提出的一種生物啟發(fā)式聚類算法,該算法不同于以往的群體智能算法,它不但避免了計(jì)算資源的浪費(fèi),還提高了運(yùn)行效率。此外,算法中提出了兩種位置更新策略使得數(shù)據(jù)點(diǎn)快速更新到適應(yīng)度更高的位置,一方面,增強(qiáng)了算法的尋優(yōu)能力,另一方面,提高了聚類密集性以及聚類綜合質(zhì)量。其中,在局部位置更新策略中,引入拉普拉斯特征映射算法中的熱核函數(shù)以及鄰接權(quán)值的應(yīng)用,并結(jié)合均值偏移算法,不斷更新數(shù)據(jù)點(diǎn)在二維網(wǎng)格中的位置,進(jìn)一步增強(qiáng)了算法的適應(yīng)性,使其適用于多種數(shù)據(jù)集。除此之外,在測(cè)試數(shù)據(jù)集驗(yàn)證了本文提出算法的有效性...

【文章頁(yè)數(shù)】：80 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2.1聚類過(guò)程

重慶郵電大學(xué)碩士學(xué)位論文第2章聚類概述8第2章聚類概述2.1聚類分析理論2.1.1聚類的基本概念將物理或抽象對(duì)象的集合分成由類似的對(duì)象組成的多個(gè)類的過(guò)程被稱為聚類。簇是一組數(shù)據(jù)對(duì)象的集合由聚類所產(chǎn)生，并且同一個(gè)簇中的對(duì)象彼此相似，不同簇中的對(duì)象相異。聚類分析[2]又稱群分析，它是....

圖2.2基于劃分算法的流程圖

重慶郵電大學(xué)碩士學(xué)位論文第2章聚類概述112.2.1基于劃分的方法基于劃分的方法(PatitioningMethod)是一種被廣泛研究和應(yīng)用的聚類算法，在很多領(lǐng)域都發(fā)揮了巨大作用�；趧澐值姆椒ǖ幕舅枷耄簩�(duì)于一個(gè)包含了n個(gè)樣本的數(shù)據(jù)集，采用某種方法將其劃為K個(gè)部分(k<n)，每....

圖2.3層次算法原理

重慶郵電大學(xué)碩士學(xué)位論文第2章聚類概述13步驟完成后，就不能對(duì)其修改更正。圖2.3層次算法原理2.2.5其他的聚類算法除了上述的聚類算法之外，還有基于的圖論的聚類方法，基于模型的方法(model-basedmethods)�；诘膱D論的聚類方法，側(cè)重對(duì)最小處理單元數(shù)據(jù)之間進(jìn)行的相....

圖3.1蜜蜂授粉者的傳粉過(guò)程

重慶郵電大學(xué)碩士學(xué)位論文第3章基于傳粉策略的自適應(yīng)聚類算法16第3章基于傳粉策略的自適應(yīng)聚類算法3.1理論基礎(chǔ)昆蟲(chóng)介導(dǎo)的授粉是植物及其授粉媒介之間進(jìn)化的結(jié)果[51]。一方面，植物依靠花朵的大小，氣味和等特性吸引昆蟲(chóng)傳粉者完成花粉轉(zhuǎn)移，這在植物的繁殖中起著重要作用。另一方面，昆蟲(chóng)授....

本文編號(hào)：4031946