基于遺傳算法的改進K均值聚類.pdf

1、隨著科技的發(fā)展，數(shù)據(jù)采集和存儲技術(shù)大大提高，各領(lǐng)域都積累了大量的數(shù)據(jù)，但是現(xiàn)在分析數(shù)據(jù)，獲取知識和規(guī)律的能力遠遠達不到人們?nèi)找嬖鲩L的對數(shù)據(jù)中潛在信息的要求，為此，數(shù)據(jù)挖掘這一課題應(yīng)運而生。數(shù)據(jù)挖掘讓人們有能力認識數(shù)據(jù)潛在的真正價值，它是目前數(shù)據(jù)庫和信息決策領(lǐng)域的最前沿研究方向之一。聚類分析是數(shù)據(jù)挖掘一個重要的研究方向，通過聚類人們能夠識別全局的分布模式，以及數(shù)據(jù)屬性之間潛在的相互關(guān)系。K均值算法是聚類算法中一種簡便易行的劃分算法，它具有

2、很多特點，算法簡單、收斂速度快、能有效處理大數(shù)據(jù)集。然而K均值算法存在很多不足，K值無法確定，聚類結(jié)果對初始聚類中心敏感，受孤立點影響大等。
　　本文介紹了聚類算法中的K均值算法，并針對其不足引入遺傳算法進行改進。文中對遺傳算法進行了詳細描述，分析了各個遺傳操作和遺傳參數(shù)對遺傳算法的影響，設(shè)計了基于遺傳算法的改進K均值聚類算法，很好的解決了初始聚類中心的敏感問題，改善了算法的全局搜索能力，并且減小了孤立點的影響。首先，采用遺傳算法