基于遺傳算法的模糊聚類研究及其應(yīng)用.pdf

1、數(shù)據(jù)聚類是一個(gè)正在蓬勃發(fā)展的領(lǐng)域，涉及數(shù)據(jù)挖掘、統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、空間數(shù)據(jù)庫(kù)技術(shù)、商務(wù)信息等領(lǐng)域，可以說(shuō)涉及了人類社會(huì)生活的方方面面。 模糊聚類分析是將模糊理論應(yīng)用到聚類分析中，為顯示數(shù)據(jù)提供了模糊處理能力，在許多領(lǐng)域被廣泛應(yīng)用。FCM(Fuzzy c-means)算法是模糊聚類中的一種重要方法，它具有算法簡(jiǎn)單、局部搜索能力強(qiáng)且收斂速度快的特點(diǎn)，然而FCM算法受初始化影響較大，在迭代時(shí)容易陷入局部極小。 遺傳算法是一種隨

2、機(jī)搜索的全局優(yōu)化算法，它以一個(gè)種群中的所有個(gè)體為對(duì)象，利用隨機(jī)化技術(shù)指導(dǎo)，對(duì)一個(gè)被編碼的參數(shù)空間進(jìn)行高效搜索。其求解過(guò)程簡(jiǎn)單，是智能計(jì)算中的主要算法之一。將FCM算法和遺傳算法相結(jié)合，將對(duì)算法的全局優(yōu)化能力產(chǎn)生巨大作用，使算法性能大為提高。但簡(jiǎn)單遺傳算法采用固定的交叉概率和變異概率，若直接采用簡(jiǎn)單遺傳算法進(jìn)行聚類，會(huì)出現(xiàn)收斂過(guò)慢，穩(wěn)定性差等問(wèn)題。 本文對(duì)遺傳算法的交叉概率和變異概率進(jìn)行了深入研究，提出了一種新的交叉概率和變異概率

3、，并將遺傳算法和FCM算法相結(jié)合，提出了一種基于自適應(yīng)遺傳算法的模糊聚類算法(Adaptive Genetic Algorithm Fuzzy c-means,AGAFCM)，該算法能充分發(fā)揮遺傳算法的全局優(yōu)化特征和：FCM算法局部搜索能力，極大地提高了算法的精度和效率。 績(jī)效考核作為人力資源管理的一項(xiàng)基礎(chǔ)性工作為人力資源管理提供準(zhǔn)確的反饋信息。本文將改進(jìn)的自適應(yīng)遺傳模糊聚類算法用于員工績(jī)效考核成績(jī)的聚類分析，構(gòu)建了聚類分析的員

4、工績(jī)效考核模型。為現(xiàn)代企業(yè)人力資源管理的績(jī)效考核提供了一種有效的數(shù)據(jù)分析方法。同時(shí)將該模型應(yīng)用于人力資源管理系統(tǒng)，證明了模型的實(shí)用性和有效性。 本文的主要工作和貢獻(xiàn)如下： 1)對(duì)遺傳算法的交叉概率和變異概率進(jìn)行改進(jìn)，提出了根據(jù)個(gè)體適應(yīng)度值進(jìn)行線性調(diào)整的新的交叉概率和變異概率，以提高遺傳算法的收斂速度和穩(wěn)定性。 2)采用改進(jìn)的交叉概率和變異概率和一些已有的改進(jìn)策略對(duì)遺傳算法進(jìn)行改進(jìn)，同時(shí)將改進(jìn)的遺傳算法應(yīng)用于模糊聚