基于蟻群算法的聚類分析方法研究.pdf

1、目前,蟻群算法和數(shù)據(jù)挖掘技術(shù)研究已成為國(guó)際智能計(jì)算領(lǐng)域的研究熱點(diǎn)和前沿性課題。本文的主要研究目是:進(jìn)行蟻群算法、數(shù)據(jù)挖掘技術(shù)、聚類分析技術(shù)研究;進(jìn)行蟻群算法在聚類分析方法中的應(yīng)用研究;提出改進(jìn)的更加優(yōu)化的蟻群聚類分析方法,并給出了算法性能優(yōu)越性分析。
　　本文綜述了國(guó)內(nèi)外蟻群算法和數(shù)據(jù)挖掘技術(shù)的研究現(xiàn)狀和未來(lái)的發(fā)展趨勢(shì)。分別對(duì)數(shù)據(jù)挖掘技術(shù)、聚類分析技術(shù)、蟻群算法進(jìn)行了深入的研究。在兩種經(jīng)典蟻群聚類算法的基礎(chǔ)上,分析了兩種改進(jìn)的蟻群

2、聚類算法(IK-means算法和IPLF算法)。同時(shí)融合IK-means算法和IPLF算法,得到一種蟻群聚類組合算法。并分析了以上三種提到的蟻群聚類算法在試驗(yàn)驗(yàn)證中的效果和性能。
　　本文目的在于研究仿生優(yōu)化算法在聚類分析方法中的應(yīng)用:(1)改進(jìn)仿生優(yōu)化中的蟻群算法;(2)深入研究數(shù)據(jù)挖掘技術(shù);(3)詳細(xì)分析數(shù)據(jù)挖掘技術(shù)中的聚類分析技術(shù);(4)將蟻群算法應(yīng)用到數(shù)據(jù)挖掘中的聚類分析方法的研究,提出更加優(yōu)化的聚類分析算法,并通過(guò)實(shí)驗(yàn)證

3、明算法的可行性和優(yōu)越性。
　　基于蟻群算法的聚類組合方法研究,對(duì)該改進(jìn)算法有如下三個(gè)步驟的研究:(1)帶有信息素的k_means算法:介紹了基本k_means算法,然后引入帶有
　　信息素的k_means算法的介紹,并分析該算法的優(yōu)缺點(diǎn),給出改進(jìn)的帶有信息素的k_means算法,并進(jìn)行了實(shí)驗(yàn)測(cè)試和性能分析。
　　(2)帶有信息素和信息熵的LF算法:引入信息熵,介紹了經(jīng)典的LF算法和帶有信息熵的LF算法,在此基礎(chǔ)上提出改