基于膜系統(tǒng)的聚類優(yōu)化算法研究.pdf

1、生物計算是計算科學和生命科學的交叉研究領域。膜計算是生物計算的分支，其計算模型統(tǒng)稱為膜系統(tǒng)（P系統(tǒng)），具有分布式與極大并行性及容錯性強的優(yōu)點。對于數(shù)據(jù)進行聚類是數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的重要組成部分，聚類有多種方法，這些方法各有自己的優(yōu)勢與不足，分別在不同的應用領域中取得理想的聚類效果。隨著信息時代的到來，聚類分析面臨的數(shù)據(jù)量陡然增加，數(shù)據(jù)類型紛繁復雜，經(jīng)典聚類算法已經(jīng)不能滿足當今日益變化的數(shù)據(jù)分析需要，聚類算法的優(yōu)化研究成為領域內(nèi)的研究熱點

2、。論文提出兩個基于高效聚類優(yōu)化算法的細胞型P系統(tǒng)，解決復雜聚類問題；將兩個P系統(tǒng)應用于數(shù)據(jù)挖掘領域與圖像分割領域，主要工作如下：
　?。?）介紹了本研究涉及的膜計算與聚類優(yōu)化算法的研究背景和研究現(xiàn)狀，膜計算及聚類領域的現(xiàn)有基本的理論與方法，膜計算的研究對象、結(jié)構(gòu)、規(guī)則以及現(xiàn)存的計算框架，現(xiàn)在廣泛應用的幾大類聚類算法，以及目前對于聚類算法的一些改進及本研究的創(chuàng)新點與難點。
　?。?）提出了兩個核心算法，第二章提出了一個基于GD

3、-K-medoids聚類算法的細胞型P系統(tǒng)。該新算法結(jié)合了網(wǎng)格聚類，密度聚類以及劃分聚類中K-medoids算法的優(yōu)點，并設計了全新的膜結(jié)構(gòu)與膜規(guī)則實現(xiàn)該算法。將基于 GD-K-medoids聚類算法的細胞型P系統(tǒng)與經(jīng)典聚類算法做實際數(shù)據(jù)集上的比較分析，證明P系統(tǒng)在算法時間復雜度和準確度等方面具有一定優(yōu)勢。第三章提出了一個基于細胞型P系統(tǒng)的 MDE-K-means聚類算法，從膜計算與聚類算法結(jié)合的新角度出發(fā)實現(xiàn)算法。本章將改進之后的算法

4、與原始算法在人工數(shù)據(jù)集上進行聚類，對幾種算法做類間分離度，類內(nèi)緊密度比較分析，證明了提出的膜系統(tǒng)的有效性。
　?。?）將本研究提出的基于膜系統(tǒng)的GD-K-medoids聚類算法應用于澳門游客消費能力分析中，數(shù)據(jù)為澳門旅游局提供的官方數(shù)據(jù)與問卷，提取其中與消費能力相關的屬性，并對數(shù)據(jù)進行清洗，最后獲得3577個有效數(shù)據(jù)，將數(shù)據(jù)分為六類后，對實驗結(jié)果進行評價與分析，根據(jù)不同類別游客具有不同的年齡、性別、收入、行為特征等，其在不同方面的

5、花費也差別較大。通過本章的實驗與分析獲得更有價值的知識發(fā)現(xiàn)，為澳門旅游局提供營銷策略參考。
　　（4）將提出的基于 MDE-K-means算法的膜系統(tǒng)應用于圖像分割中，從分割清晰度，迭代次數(shù)，迭代時間上進行分割比較，驗證算法的有效性。多次實驗后結(jié)果表明，本文提出的膜系統(tǒng)應用于圖像分割中相比經(jīng)典K-means算法及FCM聚類算法，具有較好的分割效果。第六章為總結(jié)與展望，梳理研究涉及的全部內(nèi)容。本研究為聚類問題的解決提供了新的方法，為