基于文化算法的聚類分析研究.pdf

1、聚類分析作為一種信息處理手段近些年來一直受到人們的關(guān)注，而且在機(jī)器學(xué)習(xí)、模式識別、數(shù)據(jù)挖掘、信息檢索等很多領(lǐng)域得到了廣泛的研究和應(yīng)用。 聚類分析在數(shù)據(jù)挖掘研究中占有重要的位置。所謂聚類，就是將物理或抽象對象的集合劃分成為由類似的對象組成的多個(gè)類的過程。聚類分析依據(jù)的原則是使同一類中的對象具有盡可能大的相似性，而不同類中的對象相似性較小。 文化算法是一種新的進(jìn)化計(jì)算方法，文化進(jìn)化過程除了傳統(tǒng)的進(jìn)化計(jì)算模型具有的群體空間外，

2、增加了一個(gè)知識空間和支持這兩個(gè)空間通信的機(jī)制，將文化算法用于聚類分析中，有助于對聚類算法的進(jìn)一步優(yōu)化。 本文以文化算法為框架，采用K-Means模型為聚類模型，針對聚類問題設(shè)計(jì)適用于該問題的知識空間、群體空間、接受函數(shù)和影響函數(shù)。提出文化算法與K-Means算法相結(jié)合的混合聚類算法。首先在混合算法的群體空間采用遺傳算法，并在知識空間采用形勢知識，標(biāo)準(zhǔn)化知識，地形知識三種知識做指導(dǎo)，提出KCAGA算法；然后，在混合算法的群體空間采

3、用進(jìn)化規(guī)劃，提出KCAEP算法，針對采用不同的影響函數(shù)和不同的知識指導(dǎo)，并分別細(xì)化為以下幾種算法：KCAEPⅠ，KCAEPⅡ，KCAEP Ⅰ’，KCAEP Ⅱ’，KCAEPⅢ和KCAEPⅣ。 對知識空間知識的研究表明，在知識空間采用形勢知識，標(biāo)準(zhǔn)化知識，地形知識三種知識做指導(dǎo)的方法比僅僅采用形勢知識，標(biāo)準(zhǔn)化知識兩種知識指導(dǎo)的方法聚類效果更好，對影響函數(shù)的改進(jìn)避免聚類過早收斂于局部解。 最后，通過實(shí)驗(yàn)對比，表明混合算法對解