隨著互聯(lián)網(wǎng)的發(fā)展和信息時代的到來,各行各業(yè)產(chǎn)生了海量數(shù)據(jù),如何從海量數(shù)據(jù)中挖掘出對人們有用的信息變得尤為重要。聚類分析技術(shù)是一種無監(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。針對以上問題,本文提出了一種基于傳粉策略的自適應(yīng)聚類算法。此外,針對傳統(tǒng)的選址算法存在需要指定聚類簇的個數(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與植物交互過程的啟發(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,在測試數(shù)據(jù)集驗證了本文提出算法的有效性...

【文章頁數(shù)】：80 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖2.1聚類過程

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象的集合分成由類似的對象組成的多個類的過程被稱為聚類。簇是一組數(shù)據(jù)對象的集合由聚類所產(chǎn)生，并且同一個簇中的對象彼此相似，不同簇中的對象相異。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τ谝粋�包含了n個樣本的數(shù)據(jù)集，采用某種方法將其劃為K個部分(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)。基于的圖論的聚類方法，側(cè)重對最小處理單元數(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，昆蟲授....

本文編號：4031946