混合屬性及混合策略進(jìn)化聚類算法.pdf

1、聚類算法是一種廣泛應(yīng)用于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、圖像處理等若干領(lǐng)域的重要技術(shù)。進(jìn)化聚類算法是聚類算法中的重要分支,本文旨在提出兩種新的進(jìn)化聚類算法,即混合屬性進(jìn)化聚類算法和混合策略進(jìn)化聚類算法。本文對(duì)聚類問(wèn)題和進(jìn)化計(jì)算做了簡(jiǎn)要的介紹,詳細(xì)描述和討論了提出的兩種進(jìn)化聚類算法,并在人工數(shù)據(jù)集和UCI數(shù)據(jù)集上對(duì)算法進(jìn)行了性能測(cè)試和分析。
　　 本文在第二章提出了針對(duì)混合屬性數(shù)據(jù)集的進(jìn)化聚類算法。它基于K原型算法,應(yīng)用進(jìn)化計(jì)算的框架和算子求

2、得混合屬性數(shù)據(jù)集的合理劃分,因此可以被看做是一種進(jìn)化K原型算法。作為一種基于劃分的聚類算法,K原型算法是針對(duì)混合屬性數(shù)據(jù)集的著名算法。然而,由于它采用K均值的迭代方式,所以它對(duì)初始原型敏感且容易陷入局部最優(yōu)。進(jìn)化計(jì)算具有全局搜索能力,因此本文采用進(jìn)化計(jì)算操作K原型算法以克服原始算法的缺陷。對(duì)人工數(shù)據(jù)集和UCI數(shù)據(jù)集的實(shí)驗(yàn)表明,本章提出的混合屬性進(jìn)化聚類算法比原始的K原型算法性能更優(yōu)。
　　 本文在第三章提出了基于多種群的混合進(jìn)化

3、聚類算法,它屬于混合策略進(jìn)化聚類算法的一種。此算法采用多種群策略和一種新的抽取策略以傳遞父代個(gè)體的有用信息給子代。父代個(gè)體是從每個(gè)候選種群中選出的一個(gè)最好個(gè)體。整個(gè)數(shù)據(jù)集被建模成一幅無(wú)向圖,因此本算法使用基于圖的KWNC標(biāo)準(zhǔn)作為適應(yīng)度函數(shù)選擇個(gè)體。此外,進(jìn)化中還使用了約簡(jiǎn)策略,以加快運(yùn)行速度。對(duì)于進(jìn)化收斂后的不同情形,本章設(shè)計(jì)了相應(yīng)的終止方案以得到最終聚類結(jié)果。對(duì)人工數(shù)據(jù)集和UCI數(shù)據(jù)集的實(shí)驗(yàn)表明,本章算法能夠找到比嵌入其中的候選算法和

4、進(jìn)化K均值算法更優(yōu)的聚類結(jié)果。
　　 本文在第四章提出了基于多種群和圖搜索的混合進(jìn)化聚類算法,它也屬于混合策略進(jìn)化聚類算法的一種。此算法采用與第三章算法類似的框架,適應(yīng)度函數(shù),抽取策略以及終止策略。不同點(diǎn)在于本章用三種不同算法產(chǎn)生層級(jí)聚類候選種群,增大了其多樣性；此外兩種不同的基于圖的搜索策略被用于尋找更合理的數(shù)據(jù)劃分。這些方法都大大提高了算法的性能。對(duì)人工數(shù)據(jù)集和UCI數(shù)據(jù)集的實(shí)驗(yàn)表明,本章算法不僅具有第三章算法的優(yōu)點(diǎn),并且其