基于進化計算法的高維數(shù)據(jù)聚類研究.pdf

1、對高維數(shù)據(jù)進行潛在價值的挖掘是目前的一個技術難題，同時也是一個研究熱點。高維數(shù)據(jù)聚類分析是挖掘高維數(shù)據(jù)的價值的一個重要手段，它在文檔分析、新聞自動分類、自動摘要、垃圾郵件識別及過濾、信息過濾以及生物信息學等領域有重要的作用。目前，隨著信息科學的發(fā)展，在我們獲取的數(shù)據(jù)中，高維數(shù)據(jù)占的比例越來越大，比如，網(wǎng)絡購物產(chǎn)生的交易數(shù)據(jù)，基因表達數(shù)據(jù)以及文本數(shù)據(jù)等。對這些高維數(shù)據(jù)進行挖掘能獲得十分巨大的經(jīng)濟價值以及其它的知識，所以高維數(shù)據(jù)聚類分析作為

2、一種重要的挖掘手段，具有巨大的研究前景。
　　和低維數(shù)據(jù)相比，高維數(shù)據(jù)在整個空間的分布是稀疏的，這使得對其進行聚類分析變得十分困難。但是一般來說，高維數(shù)據(jù)的聚類簇在是比較緊湊的分布在該聚類簇的子空間上的，所以如果能找到高維數(shù)據(jù)的每一個聚類簇所在的子空間，那么對高維數(shù)據(jù)進行聚類分析就能得到一個比較好的結果。但是因為不同的聚類簇的子空間是不一樣不同的相關維組成的，所以尋找聚類簇對應的子空間是十分困難的。通過上面的分析，可以得出：高維數(shù)

3、據(jù)聚類的難點和關鍵就是如何找出子空間。
　　本文通過分析現(xiàn)有的軟子空間聚類算法的優(yōu)缺點，將差分進化算法用于維度權值的求解，從而提升算法的聚類效果；引入多目標聚類的思想，降低算法對聚類類別輸?shù)囊蕾?，使得算法的應用范圍更廣。本文的主要工作為：
　　1）現(xiàn)有的軟子空間聚類算法都是類k-means算法，針對它們比較依賴初始聚類中心，算法不穩(wěn)定以及維度權值不準確的缺點，提出了基于差分進化的軟子空間聚類算法。該聚類算法是在軟子空間聚類算

4、法的框架下，引入差分進化優(yōu)化算法對維度權值進行優(yōu)化，提升算法的穩(wěn)定性以及聚類效果。實驗表明，該算法在人工數(shù)據(jù)集、UCI數(shù)據(jù)集以及癌癥基因表達數(shù)據(jù)上，獲取的優(yōu)于其他軟子空間聚類算法的聚類結果。
　　2）針對現(xiàn)有的軟子空間聚類算法都是對一個目標函數(shù)進行優(yōu)化以及需要與先給定準確的類別數(shù)等缺點，提出了基于多目標進化算法的軟子空間聚類算法。利用多目標優(yōu)化的理論對聚類的兩個目標函數(shù)進行優(yōu)化。然后，用NSGA-II來優(yōu)化這兩個目標函數(shù)，得到一組

5、最優(yōu)解，即非支配解，然后采用半監(jiān)督的方式從非支配選取一個解，作為聚類算法的輸出。在人工數(shù)據(jù)集、UCI數(shù)據(jù)集和癌癥基因表達數(shù)據(jù)集上的實驗表明，該算法的聚類效果和基于差分進化的軟子空間聚類算法相當，但是它不需要預先輸入類別數(shù)。
　　3）通過對文本聚類進行分析，發(fā)現(xiàn)文本聚類一般來說具有：高維和在子空間分布密集的特點，而子空間聚類恰好適合求解這一問題。本文根據(jù)文本聚類的特點，將基于差分進化的軟子空間聚類算法（DESSC）應用于文本聚類，并

6、且在實驗中取得了較好的結果。
　　本文得到如下基金資助：教育部新世紀優(yōu)秀人才支持計劃：（ NCET-12-0920）；陜西省科技新星計劃：（No.2014KJXX-45）；國家自然科學基金：（Nos.61272279,61001202和61203303）；高校基本科研業(yè)務費（Nos. K5051302049，K5051302023，K5051302002和 K5051302028）和“111”創(chuàng)新引智計劃（No. B07048）。