人工魚群K-means算法及其在通信客戶細(xì)分中的應(yīng)用研究.pdf

1、K-means算法對大型數(shù)據(jù)集的處理有較好的擴(kuò)展性，較高的效率。然則K-means算法存在不足之處，它的不足之處就是聚類的效果很大程度上受初始聚類中心選擇的影響，而且整體的開銷容易受到數(shù)據(jù)初始量大小的影響。所以為了彌補(bǔ)傳統(tǒng)聚類算法在聚類分析中的一些缺點(diǎn)，一些研究人員借鑒仿生學(xué)，從生物進(jìn)化的機(jī)理中將一些智能算法與聚類算法融合，優(yōu)化聚類過程，提升算法效能。而人工魚群算法(Artificial Fish Swarm Algorithm，AFS

2、A)作為一種仿生優(yōu)化算法，其本身擁有對初始參數(shù)要求低、結(jié)構(gòu)簡單和尋優(yōu)速度快等優(yōu)點(diǎn)，可用于許多優(yōu)化模型的求解。因此將人工魚群算法用來優(yōu)化K-means算法將能夠有效提升聚類效果。
　　論文在深入分析K-means算法和人工魚群算法的國內(nèi)外研究現(xiàn)狀基礎(chǔ)上，在深入研究K-means算法和人工魚群算法的相關(guān)理論和方法后，針對K-means算法不足之處，提出用人工魚群算法來優(yōu)化K-means算法的聚類過程，通過構(gòu)造人工魚個(gè)體、確定算法目標(biāo)函