一種新的全局收斂的混合聚類算法.pdf

1、聚類算法是指將具有多個屬性的數(shù)據(jù)集分組成多個類的一種方法，在相同的類中，數(shù)據(jù)的相似性較大，而在不同的類中，其差異性較大，所以通常在應(yīng)用時，可以將同一個類中的數(shù)據(jù)看作統(tǒng)一的整體。在大數(shù)據(jù)時代的今天，每天都在產(chǎn)生著海量的數(shù)據(jù)，對這些數(shù)據(jù)的適當(dāng)處理和合理應(yīng)用變得尤為重要。聚類分析是數(shù)據(jù)挖掘的重要手段之一，被廣泛應(yīng)用于各個領(lǐng)域。例如在商務(wù)上，聚類能幫助發(fā)現(xiàn)購買模式相近的顧客從而挖掘消費(fèi)群體特征;聚類還廣泛應(yīng)用在基因和蛋白質(zhì)的分類上，能發(fā)現(xiàn)表達(dá)相

2、似的基因或蛋白質(zhì)，這樣便于研究它們的內(nèi)在結(jié)構(gòu)，給生物醫(yī)療、植物學(xué)、動物學(xué)等帶來了很大的進(jìn)展;在金融領(lǐng)域，利用聚類分析發(fā)現(xiàn)離群點(diǎn)，可以識別欺詐和金融犯罪行為。如今，聚類分析已是一個十分重要的研討課題，不少學(xué)者在這方面做出了意義非凡的成果。
　　聚類不同于分類，是沒有訓(xùn)練過程的，事先并不清楚要分成幾個組和什么樣的組，其類別在聚類過程中生成。其中比較常用的有系統(tǒng)聚類法和基于螞蟻成堆的蟻群聚類算法。但是在實(shí)際操作中，往往可以通過一些先驗知

3、識或者假定事先確定類別數(shù)，這樣便于算法實(shí)現(xiàn)。最為經(jīng)典的聚類算法莫過于K-Means方法，它的收斂速度極快并且非常易于實(shí)現(xiàn)，但是其最大的弱點(diǎn)是容易陷入局部最優(yōu)和對初始聚類中心敏感。XK-Means方法對K-Means做了改進(jìn)，對聚類中心加了隨機(jī)探測向量進(jìn)行擾動，這樣可以適當(dāng)?shù)販p輕其容易陷入局部最優(yōu)的缺點(diǎn)，但是，擾動操作可能在聚類過程中產(chǎn)生空類繼而導(dǎo)致運(yùn)算過程中斷。為此，本文針對這些缺點(diǎn)，提出一種填補(bǔ)空類的IXK-Means方法，結(jié)合了K-

4、Means和XK-Means的優(yōu)勢，算法又可操作，然而這樣的改進(jìn)還是不夠，IXK-Means仍然有陷入局部最優(yōu)的可能?？紤]到遺傳機(jī)制可以達(dá)到全局最優(yōu)，本文提出將遺傳算法與IXK-Means方法混合，即用IXK-Means操作代替遺傳算法中的交叉操作，從而得到一種新的遺傳IXK-Means算法，簡稱GIXK算法。該算法收斂到全局最優(yōu)解，并且與另一種全局最優(yōu)的遺傳K均值算法相比，其收斂速度更快。然而，該算法需要事先確定類別數(shù)，若對于一個沒有