基于遺傳算法的層次化聚類方法研究.pdf

1、聚類分析是數(shù)據(jù)挖掘的重要研究領(lǐng)域之一，在工程、商業(yè)、生命科學(xué)、社會(huì)科學(xué)以及其他許多領(lǐng)域得到了廣泛的應(yīng)用。但由于聚類對(duì)象在高維特征空間分布的復(fù)雜性，聚類效果評(píng)價(jià)的不確定性和靈活性，以及聚類作為一個(gè)優(yōu)化問題求解的高計(jì)算復(fù)雜性，使得聚類算法仍然面臨著眾多的問題和挑戰(zhàn)。 本文針對(duì)聚類中自適應(yīng)確定聚類個(gè)數(shù)、目標(biāo)函數(shù)靈活定義及聚類優(yōu)化的近似計(jì)算等問題，利用了分裂式層次化聚類算法能根據(jù)相似度閾值自適應(yīng)地確定聚類個(gè)數(shù)的特點(diǎn)，并結(jié)合二進(jìn)制遺傳聚類

2、算法具有較強(qiáng)的搜索近似最優(yōu)解能力以及目標(biāo)函數(shù)定義靈活的特點(diǎn)，提出了一種基于遺傳算法的分裂式層次化聚類方法(GABasedDivisiveHierarchicalClusteringAlgorithm-GADHC)。在實(shí)驗(yàn)研究中，一方面針對(duì)不帶類別標(biāo)簽的交通狀態(tài)數(shù)據(jù)采用GADHC算法進(jìn)行聚類，發(fā)現(xiàn)了若干類典型的交通狀態(tài)模式，驗(yàn)證了GADHC算法的有效性；另一方面，針對(duì)幾個(gè)標(biāo)準(zhǔn)的帶類別標(biāo)簽數(shù)據(jù)集，采用GADHC算法、GAClust及K-Mo