蟻群算法及其在聚類分析中的應(yīng)用研究.pdf

1、當(dāng)前，網(wǎng)絡(luò)和數(shù)據(jù)庫(kù)技術(shù)的快速發(fā)展，使得計(jì)算機(jī)能存儲(chǔ)大規(guī)模的海量數(shù)據(jù)；但傳統(tǒng)的數(shù)據(jù)分析處理工具如管理信息系統(tǒng)對(duì)這些數(shù)據(jù)只能進(jìn)行表層的處理，更深層次的數(shù)據(jù)分析能力卻不盡如人意。由此，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。聚類分析作為數(shù)據(jù)挖掘中的一個(gè)重要課題，是將數(shù)據(jù)區(qū)分為自然的群體并給出每個(gè)群體特征描述。通過(guò)先進(jìn)算法的恰當(dāng)采用，可發(fā)掘潛在的有價(jià)值的信息，提高數(shù)據(jù)分析和解釋的質(zhì)量，也為后續(xù)其它數(shù)據(jù)分析和整理工具對(duì)數(shù)據(jù)的再處理或理解提供科學(xué)的判斷依據(jù)。因此，研

2、究如何提高聚類分析算法的性能具有重要意義。
　　聚類分析的算法很多，比較著名的有 K-均值算法、K-中心點(diǎn)算法、C均值算法、FCM算法等。蟻群算法是最近幾年提出的一種新的生態(tài)類優(yōu)化算法，其主要特點(diǎn)是正反饋、分布式計(jì)算。本文根據(jù)蟻群優(yōu)化算法的最新研究，對(duì)其進(jìn)行了改進(jìn)，主要包含以下幾方面的內(nèi)容：
　　由自然螞蟻的智能特點(diǎn)，引出人工螞蟻模型。選擇最典型的旅行商問(wèn)題來(lái)研究螞蟻系統(tǒng)的原理，實(shí)現(xiàn)步驟，以及算法的時(shí)間和空間復(fù)雜度。然后研究

3、蟻群優(yōu)化算法的具體實(shí)現(xiàn)，算法的收斂性和特點(diǎn)，以及算法中參數(shù)的設(shè)置等。由蟻群算法的不足提出了當(dāng)前的幾種改進(jìn)算法，最后介紹了蟻群算法的發(fā)展和應(yīng)用。
　　由數(shù)據(jù)挖掘的概念，引出作為數(shù)據(jù)挖掘技術(shù)的重要組成部分之一的聚類分析。重點(diǎn)闡述了聚類分析，主要就聚類分析的定義，聚類分析的步驟，常用的數(shù)據(jù)類型和度量標(biāo)準(zhǔn)進(jìn)行了簡(jiǎn)要的歸納和總結(jié)，同時(shí)簡(jiǎn)要介紹了目前比較常用的聚類分析算法，聚類分析的歷史和現(xiàn)狀，以及聚類分析的應(yīng)用。
　　基于改進(jìn)蟻群算法

4、的聚類組合方法。分析了基本蟻群聚類模型, LF算法和基于信息熵的蟻群聚類（EAC）算法，并研究了LF和EAC算法的具體實(shí)現(xiàn)。同時(shí)，在比較其性能的基礎(chǔ)上，主要針對(duì)基于信息熵的蟻群聚類算法收斂速度快，但卻容易陷入局部最優(yōu)的缺陷，從聚類拆分、合并、孤立點(diǎn)處理等幾個(gè)方面作了改進(jìn)，從而在利用其收斂速度快的基礎(chǔ)上提高聚類的準(zhǔn)確性。仿真實(shí)驗(yàn)表明：改進(jìn)后的方法在聚類的準(zhǔn)確性和收斂速度方面都得到了很好的結(jié)果，對(duì)基于信息熵的蟻群聚類算法提供了較好的應(yīng)用改進(jìn)