融合蟻堆聚類與模糊C-均值聚類的算法研究和分析.pdf

1、數(shù)據(jù)挖掘是一門(mén)從紛繁復(fù)雜的數(shù)據(jù)集中挖掘有用信息的技術(shù)，人類社會(huì)從二十世紀(jì)進(jìn)入信息爆炸時(shí)代以來(lái)大量數(shù)據(jù)信息產(chǎn)生，信息數(shù)量的激增在帶來(lái)商業(yè)、文化和科學(xué)技術(shù)飛速發(fā)展的同時(shí)，也給人類獲取有用信息帶來(lái)了麻煩，于是數(shù)據(jù)挖掘在這種形式下產(chǎn)生了。經(jīng)過(guò)學(xué)者們多年的努力，數(shù)據(jù)挖掘技術(shù)越來(lái)越成熟，應(yīng)用范圍也越來(lái)越廣泛，并產(chǎn)生了多個(gè)分支，聚類分析更是其中的佼佼者。
　　 聚類分析是數(shù)據(jù)挖掘中研究與應(yīng)用較為成功的一門(mén)挖掘技術(shù)。現(xiàn)實(shí)世界中應(yīng)用的多樣性與數(shù)據(jù)

2、的復(fù)雜性給聚類分析帶來(lái)了極大的麻煩，某一類型的數(shù)據(jù)往往對(duì)應(yīng)一種特定的算法，大部分算法不具備普遍應(yīng)用性。近些年來(lái)，學(xué)者們通過(guò)對(duì)螞蟻群體性行為的研究提出了蟻群聚類算法，相對(duì)于傳統(tǒng)聚類分析算法該算法可以處理的數(shù)據(jù)類型具有多樣性，并且可以發(fā)現(xiàn)任意形狀的簇，無(wú)需過(guò)多的人為指導(dǎo)，算法的健壯性也較高。但是作為一種模擬生物進(jìn)化的算法，它的缺陷也是極為明顯的，算法運(yùn)行需要耗費(fèi)大量的時(shí)間。因此在本文中試圖將其與一種成熟的傳統(tǒng)聚類分析算法進(jìn)行結(jié)合以便通過(guò)二者

3、的優(yōu)勢(shì)互補(bǔ)來(lái)達(dá)到較好的聚類效果。在本文中選取的傳統(tǒng)聚類算法是模糊C－均值聚類算法。
　　 模糊聚類算法是一種非常成熟的聚類分析方法，它的基礎(chǔ)是函數(shù)最優(yōu)化方法，利用了數(shù)學(xué)理論中的微積分計(jì)算技術(shù)。它對(duì)現(xiàn)實(shí)世界的反映采取一種較為客觀的態(tài)度，這使得模糊聚類被廣泛的應(yīng)用于圖像分割、模式識(shí)別、大規(guī)模數(shù)據(jù)分析等領(lǐng)域。模糊聚類算法種類有很多，而模糊C－均值即FCM算法是這些算法中較有代表性的一個(gè)，它在現(xiàn)實(shí)社會(huì)中也有著十分廣泛的應(yīng)用且非常成功。該

4、算法簡(jiǎn)單、運(yùn)行速度快，但在算法運(yùn)行初要設(shè)置簇的個(gè)數(shù)及聚類中心等參數(shù)，這導(dǎo)致算法受到人為的影響很大。
　　 混合聚類是通過(guò)研究不同的聚類算法并將兩種或多種聚類算法進(jìn)行結(jié)合，該種算法通過(guò)各種算法優(yōu)勢(shì)互補(bǔ)，獲得更加優(yōu)秀的聚類效果。本文將蟻堆聚類算法和模糊C－均值聚類算法進(jìn)行結(jié)合，并對(duì)原始的蟻堆算法進(jìn)行了一系列的改進(jìn)，以便適應(yīng)于新的混合聚類算法。蟻堆算法改進(jìn)主要包括三個(gè)部分，均是針對(duì)該算法耗費(fèi)時(shí)間長(zhǎng)的缺陷進(jìn)行改進(jìn)的。
　　 首先

5、，算法中刪減了原始算法中螞蟻三種速度的設(shè)定，保留一種速度，以便盡快完成初始聚類。其次，新算法中對(duì)數(shù)據(jù)對(duì)象在二維數(shù)組中的位置進(jìn)行了保存，這樣螞蟻在尋找數(shù)據(jù)對(duì)象時(shí)就可以避免空跳、節(jié)省時(shí)間了。最后，對(duì)螞蟻卸載數(shù)據(jù)對(duì)象的策略上也進(jìn)行了修改，以便使得適合的數(shù)據(jù)放在適合的位置。
　　 新算法最后針對(duì)UCI機(jī)器學(xué)習(xí)庫(kù)的公開(kāi)數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明這種新型混合算法是有效的，能夠提高聚類結(jié)果的質(zhì)量。但該算法仍然需要耗費(fèi)較長(zhǎng)的時(shí)間，主要原因存在