基于粒子群和免疫優(yōu)化的多目標(biāo)聚類(lèi)及應(yīng)用.pdf

1、隨著信息技術(shù)和網(wǎng)絡(luò)的快速發(fā)展，人們?nèi)粘Ｉ钪挟a(chǎn)生的數(shù)據(jù)量正呈指數(shù)形式增長(zhǎng)，我們的生活幾乎每時(shí)每刻都在和數(shù)據(jù)打交道，因此，如何從這些龐大的數(shù)據(jù)中發(fā)掘?qū)θ藗冇杏玫男畔⒊蔀榱私陙?lái)的研究熱題之一。聚類(lèi)作為數(shù)據(jù)分析中的強(qiáng)用力的工具，得到了人們的廣泛關(guān)注，各種聚類(lèi)算法不斷涌現(xiàn)。本文以多目標(biāo)聚類(lèi)為整體框架，借助粒子群優(yōu)化和免疫優(yōu)化方法，對(duì)數(shù)據(jù)聚類(lèi)、人臉聚類(lèi)和圖像分割方法做出了研究，主要內(nèi)容包括：
　　1．提出了基于年齡的粒子再生的多目標(biāo)免疫粒

2、子群聚類(lèi)算法，該算法將粒子群優(yōu)化和免疫優(yōu)化方法相結(jié)合，同時(shí)優(yōu)化類(lèi)內(nèi)緊致和類(lèi)間分離。在粒子群優(yōu)化過(guò)程中，我們提出了一個(gè)新的年齡概念來(lái)衡量各粒子的局部搜索能力。同時(shí)，為解決粒子群優(yōu)化易陷入局部最優(yōu)的問(wèn)題，一個(gè)新的基于年齡的粒子再生方法被提出。在免疫優(yōu)化過(guò)程中，我們通過(guò)克隆增殖、交叉和克隆變異三個(gè)算子增加種群的多樣性，有效解決了算法的早熟問(wèn)題。
　　2．提出了基于多核的人工免疫多目標(biāo)模糊聚類(lèi)算法，該算法將多核和多目標(biāo)思想統(tǒng)一于聚類(lèi)框架，

3、保留了數(shù)據(jù)集的幾何信息，從整體上考慮數(shù)據(jù)集的分布，有效解決了模糊C均值算法僅僅適用于球形或橢球形類(lèi)的問(wèn)題，而且還可以很好的發(fā)掘數(shù)據(jù)間的非線性關(guān)系，提高了聚類(lèi)質(zhì)量，同時(shí)解決了核函數(shù)的選擇問(wèn)題。并且，多目標(biāo)思想的引入，避免了由于單目標(biāo)聚類(lèi)算法未考慮數(shù)據(jù)整體分布而容易陷入局部最優(yōu)的問(wèn)題。對(duì)數(shù)據(jù)集和圖像集的實(shí)驗(yàn)結(jié)果表明該算法有更高的適用性。
　　3．提出了基于動(dòng)態(tài)局部搜索的多目標(biāo)人工免疫自動(dòng)聚類(lèi)算法，該算法將多目標(biāo)優(yōu)化思想引入到自動(dòng)聚類(lèi)問(wèn)