基于自適應粒子群的k-中心聚類算法研究.pdf

1、隨著信息技術(shù)的快速發(fā)展,各個領(lǐng)域和各組織單位都積累了大量的數(shù)據(jù),用戶迫切地希望能夠分析數(shù)據(jù)以便提取有用的信息和知識。因此,數(shù)據(jù)挖掘應運而生,并成為了一個新興的多學科交叉領(lǐng)域,是目前數(shù)據(jù)決策領(lǐng)域的前沿研究方向。作為數(shù)據(jù)挖掘技術(shù)一個重要部分,聚類分析的目標就是在相似的基礎(chǔ)上收集數(shù)據(jù)來分類,它被廣泛應用于模式識別、數(shù)據(jù)壓縮、圖像處理等眾多領(lǐng)域?；诘牧Ｗ尤簝?yōu)化算法是通過迭代來找尋最優(yōu)解的。粒子群算法以實現(xiàn)簡單、精度高、收斂快等優(yōu)點得到了廣

2、泛的應用。
　　 本文研究基于自適應粒子群的聚類算法,主要工作包括:
　　 (1)分析了k-中心聚類算法和基本粒子群算法的優(yōu)缺點,利用改進粒子群算法來優(yōu)化k-中心聚類算法,通過動態(tài)調(diào)整慣性權(quán)重因子和學習因子,并加入粒子飛行時間因子來同時更新粒子的速度和位置,使其較好地解決了早熟收斂和收斂速度慢的問題。實驗結(jié)果表明,改進算法具有較好的正確率,性能比較穩(wěn)定。
　　 (2)分析了模擬退火算法的基本原理,提出一種基于模擬