基于粒計(jì)算和模擬退火的K-medoids聚類算法.pdf

1、科技的高速發(fā)展帶來(lái)了數(shù)據(jù)的爆炸式增長(zhǎng)，數(shù)據(jù)挖掘能在紛雜，海量的數(shù)據(jù)中提取對(duì)人類生產(chǎn)生活有用的信息。聚類分析因其獨(dú)特的優(yōu)勢(shì)，現(xiàn)階段已變?yōu)閿?shù)據(jù)挖掘領(lǐng)域一個(gè)重要研究方向。同時(shí)由于聚類算法本身存在一些缺點(diǎn)，如對(duì)初始化化敏感，中心點(diǎn)搜索更新能力弱和目標(biāo)函數(shù)極易陷入局部極值等，需要進(jìn)一步完善和改進(jìn)該算法，使得聚類算法更具有重要的實(shí)際價(jià)值。
　　本文基本建立在傳統(tǒng)的聚類算法理論上，探討了包括K-medoids聚類算法存在的缺點(diǎn)以及最新研究成果，

2、并對(duì)此提出了相應(yīng)的改進(jìn)優(yōu)化方案。本文具體研究工作如下：
　　本文引用了粒計(jì)算理論來(lái)解決傳統(tǒng) K-medoids聚類算法聚類中心初始化敏感的問(wèn)題，并提出一種基于改進(jìn)的粒計(jì)算對(duì)傳統(tǒng)K-medoids算法進(jìn)行初始化處理。該算法在Iris數(shù)據(jù)集中進(jìn)行實(shí)驗(yàn)檢測(cè)，實(shí)驗(yàn)結(jié)果表明：該算法的準(zhǔn)確率明顯較高，迭代過(guò)程顯著減少。
　　本文通過(guò)利用改進(jìn)的基于模擬退火的聚類算法全局優(yōu)化性能優(yōu)化K-medoids算法易陷入局部最優(yōu)的缺陷，以便增強(qiáng)K-m