基于自適應布谷鳥搜索算法的聚類算法研究及應用

1、 密 級 桂林電子科技大學 碩 士 學 位 論 文 題目 基于自適應布谷鳥搜索算法的聚類算法研究及應用 (英文) Research and Application of K-means Algorithm Based on Adapted Cuckoo Search Algorithm 研 究 生 學 號: 1303201016

2、 研 究 生 姓 名: 王克 指導教師姓名、職務: 楊輝華 教授 申 請 學 科 門 類: 工學碩士 學 科、專 業(yè): 計算機科學與技術 提 交 論 文 日 期:

3、2016 年 4 月 論 文 答 辯 日 期: 2016 年 6 月 摘要 I 摘要 數(shù)據(jù)挖掘作為一個重要的多領域交叉學科， 在各行各業(yè)的決策活動中得到廣泛的應用。 作為數(shù)據(jù)挖掘領域中的一種重要技術， 聚類分析在大數(shù)據(jù)時代的海量數(shù)據(jù)分析研究中發(fā)揮著巨大的作用，已成為數(shù)據(jù)挖掘的核心技術之一。 K-means 聚類算法是一種常用的聚類算法，該算法受初始聚

4、類中心影響過大，容易陷入局部最優(yōu)。針對這些缺陷，本文采用了具有 Lé vy 飛行模式且具有很強的全局搜索能力的改進布谷鳥搜索優(yōu)化（Adapated Cuckoo Search, ACS）算法對 K-means 算法的聚類中心進行優(yōu)化， 并將優(yōu)化后的 K-means 算法應用到城管案件位置的聚類分析中,實驗結(jié)果表明，聚類效果良好，算法收斂速度快。 本文的研究工作主要包括如下三個方面： 首先， 針對布谷鳥搜索算法搜索精度低和收斂速

5、度慢的問題， 通過引入適應步長控制因子， 提高了布谷鳥搜索算法的搜索精度和收斂速度， 通過實驗證明了改進后的布谷鳥搜索算法的優(yōu)越性。 其次， 針對 K-means 聚類算法受初始聚類中心影響較大， 容易陷入局部最優(yōu)的問題，利用 ACS 算法對 K-means 聚類中心進行優(yōu)化，提高了 K-means 聚類算法的聚類質(zhì)量和速度，并在標準數(shù)據(jù)集上進行了實驗驗證。 最后， 將改進后的 K-means 聚類算法應用到城市網(wǎng)格化監(jiān)督?jīng)Q策服務系統(tǒng)中