基于差分進(jìn)化計(jì)算的聚類算法研究.pdf

1、隨著科技的進(jìn)步,特別是信息產(chǎn)業(yè)的發(fā)展,使人類社會(huì)步入了一個(gè)嶄新的信息時(shí)代.面對(duì)日益海量的信息,如何在信息庫中提取對(duì)自己有用的信息,并對(duì)提取的信息進(jìn)行必要的整理、歸類和相應(yīng)的分析,已經(jīng)成為人們當(dāng)前最為關(guān)心和研究的問題之一.聚類分析是重要的數(shù)據(jù)分組方法,聚類分析的結(jié)果具有重要的現(xiàn)實(shí)指導(dǎo)意義,所以被廣泛的應(yīng)用于:心理學(xué)和其他社會(huì)科學(xué)、生物學(xué)、統(tǒng)計(jì)學(xué)、模式識(shí)別、信息檢索、機(jī)器學(xué)習(xí)等.
　　經(jīng)典的聚類分析算法包括劃分聚類算法、層次聚類算法、

2、基于密度的聚類算法、基于網(wǎng)格的聚類算法和基于模型的聚類算法等.本文主要介紹了兩類使用最為廣泛的聚類算法:劃分聚類算法和層次聚類算法.其中劃分的聚類算法重點(diǎn)介紹了K-Means聚類算法和K-Modes聚類算法;基于層次聚類算法重點(diǎn)介紹了Ward聚類算法.但這幾類算法都存在有對(duì)初始聚類中心的選擇敏感或者容易陷入局部最優(yōu)解等缺點(diǎn).
　　使用優(yōu)化算法對(duì)聚類算法進(jìn)行優(yōu)化,是解決聚類算法自身缺點(diǎn)的有效方法.現(xiàn)在主流的優(yōu)化算法包括:差分進(jìn)化計(jì)算

3、、遺傳算法、蟻群算法,模擬退火算法、微粒群算法、人工魚群算法等.這些算法各有特點(diǎn),廣泛的用于解決各類優(yōu)化問題.本文主要介紹和使用了優(yōu)化算法中的差分進(jìn)化計(jì)算,它的特點(diǎn)是簡單易用、快速、健壯,并且適合求解數(shù)值型優(yōu)化問題,所以是一種非常具有研究價(jià)值的優(yōu)化算法.
　　本文主要使用差分進(jìn)化計(jì)算,對(duì)K-Means聚類算法和K-Modes聚類算法以及Ward聚類算法進(jìn)行優(yōu)化.使用差分進(jìn)化計(jì)算較好的解決了聚類中心的優(yōu)化問題,使以上三類聚類算法都取

4、得了更好的聚類效果.在使用差分進(jìn)化計(jì)算優(yōu)化K-Modes聚類算法時(shí),不僅提出了基于差分進(jìn)化計(jì)算的K-Modes聚類算法,而且在此基礎(chǔ)上對(duì)算法進(jìn)行了改進(jìn),實(shí)驗(yàn)證明改進(jìn)后的算法保留了更好的聚類子代,最終的聚類效果也更好.在使用差分進(jìn)化計(jì)算優(yōu)化K-Means聚類算法時(shí),分別與基于遺傳算法和進(jìn)化規(guī)劃算法的K-Means聚類算法進(jìn)行對(duì)比.對(duì)比實(shí)驗(yàn)結(jié)果證明,差分進(jìn)化計(jì)算比上述兩種優(yōu)化算法優(yōu)化效果更好.在使用差分進(jìn)化計(jì)算優(yōu)化Ward聚類算法時(shí),同樣與