【摘要】：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K_means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K_means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K_means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K_means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K_means算法的初始聚類中心,解決了 K_means算法聚類結(jié)果易受初始值影響的問題,從而提高聚類的精度。實(shí)驗(yàn)結(jié)果表明,融合算法不僅提高了聚類的精度,在穩(wěn)定性方面也有明顯的提升。最后將融合算法應(yīng)用到肝硬化數(shù)據(jù)集中,體現(xiàn)了融合算法的實(shí)用性。
【學(xué)位授予單位】：內(nèi)蒙古農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP18;TP311.13
【圖文】：

圖１聚類過程圖逡逑Ｆｉｇ．邋１邋Ｃｌｕｓｔｅｒｉｎｇ邋ｐｒｏｃｅｓｓ邋ｃｈａｒｔ逡逑

圖３粒子移動示意圖逡逑Ｆｉｇ．３邋Ｓｃｈｅｍａｔｉｃ邋ｃｈａｒｔ邋ｏｆ邋ｐａｒｔｉｃｌｅ邋ｍｏｖｅｍｅｎｔ逡逑

圖４粒子群算法流程圖逡逑Ｆｉｇ．４邋ＰＳＯ邋Ａｌｇｏｒｉｔｈｍ邋ｆｌｏｗ邋ｃｈａｒｔ逡逑

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 林曉雪;趙茂先;;一種基于改進(jìn)粒子群算法的K-means算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年05期

2 伍育紅;;聚類算法綜述[J];計(jì)算機(jī)科學(xué);2015年S1期

3 陳興蜀;吳小松;王文賢;王海舟;;基于特征關(guān)聯(lián)度的K-means初始聚類中心優(yōu)化算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2015年01期

4 楊志;羅可;;一種改進(jìn)的基于粒子群的聚類算法[J];計(jì)算機(jī)應(yīng)用研究;2014年09期

5 劉智慧;張泉靈;;大數(shù)據(jù)技術(shù)研究綜述[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2014年06期

6 翟東海;魚江;高飛;于磊;丁鋒;;最大距離法選取初始簇中心的K-means文本聚類算法的研究[J];計(jì)算機(jī)應(yīng)用研究;2014年03期

7 黃太安;生佳根;徐紅洋;黃澤峰;;一種改進(jìn)的簡化粒子群算法[J];計(jì)算機(jī)仿真;2013年02期

8 陳小全;張繼紅;;基于改進(jìn)粒子群算法的聚類算法[J];計(jì)算機(jī)研究與發(fā)展;2012年S1期

9 胥小波;鄭康鋒;李丹;武斌;楊義先;;新的混沌粒子群優(yōu)化算法[J];通信學(xué)報(bào);2012年01期

10 余建平;周新民;陳明;;群體智能典型算法研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2010年25期

相關(guān)碩士學(xué)位論文 前5條

1 趙莎莎;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];內(nèi)蒙古農(nóng)業(yè)大學(xué);2018年

2 宋建林;K-means聚類算法的改進(jìn)研究[D];安徽大學(xué);2016年

3 查安民;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];南京航空航天大學(xué);2016年

4 孫雪瑩;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];內(nèi)蒙古農(nóng)業(yè)大學(xué);2014年

5 易s

本文編號：2745698