基于計算智能技術的聚類分析研究與應用.pdf

1、聚類屬于無監(jiān)督學習,是將數(shù)據(jù)集中的數(shù)據(jù)對象分成多個簇或者類,使得在同一個簇中對象相似度高,而在不同簇中對象的相似度低,因此,對空間數(shù)據(jù)對象的聚類可通過基于聚類目標函數(shù)的優(yōu)化問題來解決。從這一思路出發(fā),將自適應能力及魯棒性較高的計算智能技術應用于聚類分析,產(chǎn)生了很多基于計算智能技術的聚類分析模型。基于計算智能的聚類分析成功解決了數(shù)據(jù)的聚類問題,對處理目標的特性有良好的適應能力,彌補了傳統(tǒng)聚類方法的不足,取得了良好的效果。
　　計算智

2、能方法主要包括神經(jīng)網(wǎng)絡、模糊控制、進化計算、混沌科學、免疫計算、DNA計算及群體智能等。近年來,神經(jīng)網(wǎng)絡、模糊邏輯和進化計算三個方向的研究成為熱點。自組織映射(SOM)是最有代表性的神經(jīng)網(wǎng)絡聚類方法;遺傳算法、進化策略、免疫規(guī)劃、克隆學說、蟻群系統(tǒng)、微粒群優(yōu)化、文化算法等進化計算已成功應用到聚類分析中;另外,在傳統(tǒng)聚類分析中引入模糊集概念,產(chǎn)生了模糊聚類算法;根據(jù)計算智能技術的優(yōu)缺點,將一些計算智能方法融合起來應用于聚類分析,提高了聚類

3、的能力。
　　論文將神經(jīng)網(wǎng)絡、遺傳算法等計算智能技術用于聚類分析,構造聚類分析模型,研究該模型的定義及優(yōu)化方法的特點和不足,改進或提出相應的解決方法;另外,針對模型在聚類分析中的應用研究并結合離散Morse的相關理論和方法,研究離散Morse理論在聚類分析中實現(xiàn)的關鍵技術和方法,并提出基于Morse理論的聚類分析模型以適應具體應用的要求。通過實驗,驗證了模型的有效性和可行性。
　　本文的主要研究內容如下:
　　1.針對

4、傳統(tǒng)SOM網(wǎng)絡模型用于聚類分析時競爭層神經(jīng)元個數(shù)須預先指定的缺點,給出了在訓練過程中動態(tài)確定網(wǎng)絡結構和單元數(shù)目的解決方案,提出一種新的動態(tài)自組織特征映射模型,并給出模型的訓練算法。此算法初始只有一個根結點。在網(wǎng)絡訓練過程中不斷產(chǎn)生新結點。新的結點可在任意位置根據(jù)需要自動生成。當訓練算法結束時,根據(jù)得到的樹形結構確定聚類的數(shù)目。算法中通過擴展因子控制網(wǎng)絡的生長,實現(xiàn)了不同層次的聚類。算法采用兩階段的訓練思想。當算法的生長階段完成后,利用模

5、糊C-聚類的思想,對生長階段產(chǎn)生的粗聚類結果做細化處理,從而提高最終聚類結果的精度和算法的收斂速度。通過UCI數(shù)據(jù)集來驗證該模型的有效性和優(yōu)越性,并對其聚類的有效性進行對比分析。
　　2.介紹了譜聚類技術及相關概念,對譜聚類算法進行研究及分析,提出一種自動確定聚類數(shù)目的譜聚類算法。為了解決CLARANS算法易收斂于局部最優(yōu)及面對大數(shù)據(jù)集聚類效率不高的問題,結合遺傳算法易于找到全局最優(yōu)值的特點,將遺傳算法和CLARANS算法相結合,

6、提出基于GA的聚類分析模型,并通過選擇合適的適應值函數(shù),達到聚類的目的。通過實驗證明了新算法的的優(yōu)越性
　　3.介紹了離散Morse理論的基本原理及相關概念,提出一種構建離散Morse函數(shù)求最優(yōu)解的算法,并證明了構建的函數(shù)是最優(yōu)的離散Morse函數(shù),同時構建了一種基于離散Morse理論的優(yōu)化模型,實驗的結果證明了該模型的有效性。這是一個全新的嘗試。
　　4.把基于離散Morse理論的優(yōu)化模型應用于聚類分析,提出一種基于離散M

7、orse優(yōu)化模型的密度聚類算法。聚類后的結果運用層次聚類的思想進行優(yōu)化,可以通過參數(shù)的調整來控制聚類簇的數(shù)目,達到聚類效果。實驗證明新算法的可行性及有效性。
　　本文的創(chuàng)新點總結如下:
　　1.提出一種新的動態(tài)SOM模型。該模型采用新的生長閾值函數(shù),訓練算法采用兩階段思想。實驗在UCI數(shù)據(jù)集上進行,通過與SOM模型、FCM算法及TreeGNG對比驗證了該模型的有效性和優(yōu)越性。
　　2.提出一種基于 GA的自動譜聚類算法

8、 GA-ISC。通過改進的譜聚類算法ISC-CLARANS達到自動產(chǎn)生聚類結果的目的。引入GA提高CLARANS算法的執(zhí)行效率。實驗分別在人工數(shù)據(jù)集及 UCI數(shù)據(jù)集上進行。實驗證明ISC-CLARANS算法正確、有效。通過GA-ISC與ISC-CLARANS算法的聚類結果比較,驗證了GA-ISC算法的高效性。
　　3.提出一種基于離散Morse理論的優(yōu)化模型,該模型通過在單純復形上構造離散Morse函數(shù)來實現(xiàn)。實驗結果證明了該模型