基于自然計算的模糊聚類新算法研究.pdf

1、針對現(xiàn)有聚類分析算法在數(shù)據(jù)挖掘應用中存在的不完善甚至嚴重不足之處,本文結合自然計算方法,對傳統(tǒng)模糊聚類算法進行較為系統(tǒng)的改造和革新,主要探討了有關具有混和屬性特征數(shù)據(jù)的聚類算法目標函數(shù)的定義以及優(yōu)化方法,提出了適合大數(shù)據(jù)集的網(wǎng)絡結構聚類新算法,擴展了聚類分析的應用范圍,并構造了適合于數(shù)據(jù)挖掘的新的聚類有效性函數(shù).實驗結果表明,本文提出的一系列有關模糊聚類分析的新思想和新方法都取得了良好的效果.歸納起來,本文的研究成果主要表現(xiàn)在以下幾個方

2、面:1.定義了一個新的相異性匹配測度,修正了傳統(tǒng)聚類算法的目標函數(shù)——類散布矩陣的跡,將數(shù)據(jù)集中不同屬性特征相結合,構成新的聚類目標函數(shù),使得其能夠適合混合類屬特征的數(shù)據(jù),并利用遺傳算法對其進行優(yōu)化,克服傳統(tǒng)的模糊κ-均值(FKM)算法對原型初始化敏感的缺點,使得算法能夠以較高的概率收斂到全局最優(yōu)解.2.利用人工免疫系統(tǒng)中著名的克隆選擇算法改進遺傳算法,避免了遺傳算法中可能出現(xiàn)的早熟現(xiàn)象,同時由于基于克隆算子的克隆選擇算法是群體搜索策略

3、,本質(zhì)上固有并行性和搜索變化的隨機性,在搜索中不易陷入局部極值,最終能以概率1獲得問題的全局最優(yōu)解,而且收斂速度比遺傳算法更快,因此更加適合大數(shù)據(jù)集的聚類分析.3.結合人工免疫系統(tǒng)中免疫網(wǎng)絡理論,提出用免疫網(wǎng)絡來進行聚類分析,由于所獲得的網(wǎng)絡神經(jīng)元代表了數(shù)據(jù)子集中的典型樣本,因而可以用來產(chǎn)生相應的數(shù)據(jù)子集;通過最小生成樹對獲得的網(wǎng)絡神經(jīng)元的連接權進行分析,最終自動解決了FKM類型算法需要事先輸入類別數(shù)以及聚類原型必須一致的難題.4.借鑒

4、生物免疫系統(tǒng)的免疫應答中禁忌克隆的現(xiàn)象,提出禁忌克隆算法,并與克隆選擇算法相結合,形成基于克隆算法的網(wǎng)絡結構聚類分析新算法.5.利用免疫系統(tǒng)中有限資源理論,設計了一種模糊識別球,使其作用范圍隨刺激水平的變化而變化,通過對B細胞的競爭,將刺激水平低的識別球清除,使網(wǎng)絡對模糊邊界點不敏感,從而能夠代表各類的典型樣本,使得到的網(wǎng)絡具有清晰的結構,同時大大提高運算效率,解決了網(wǎng)絡規(guī)模隨迭代次數(shù)以及運行時間隨數(shù)據(jù)量呈指數(shù)增長這一難題,使基于網(wǎng)絡結