演化聚類算法研究.pdf

1、演化數(shù)據(jù)普遍存在于許多動態(tài)情景中，這類數(shù)據(jù)的分布會隨時間而逐漸變化。演化數(shù)據(jù)的學(xué)習(xí)問題越來越受到重視，是機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘領(lǐng)域一個新的重要研究課題。而演化數(shù)據(jù)的聚類問題研究有著廣闊的應(yīng)用背景，因此具有重要的研究意義。
　　一般而言，演化數(shù)據(jù)聚類的過程是這樣的:當(dāng)系統(tǒng)有新的數(shù)據(jù)到來時，為這些數(shù)據(jù)進(jìn)行聚類分析。如何使每一時刻的聚類盡可能真實(shí)地反映數(shù)據(jù)分布特征，同時保證聚類結(jié)果在時間上具有平滑性，聚類結(jié)果在時間上的平滑性如何量化和度量等

2、，都是演化數(shù)據(jù)聚類的重要問題，也是本文的主要研究內(nèi)容。具體而言，本文的工作主要包括以下幾個方面:
　　(1)提出一種基于差分進(jìn)化的演化聚類方法deEC。利用演化算法在搜索最優(yōu)解的優(yōu)勢，本文對平滑性框架的參數(shù)α進(jìn)行改進(jìn)，使之在算法每一次迭代過程中自適應(yīng)，使聚類結(jié)果在聚類質(zhì)量和時間平滑性兩方面找到最佳平衡點(diǎn)。在deEC中，聚類結(jié)果在時間上的平滑性被解釋為個體在不同環(huán)境的適應(yīng)能力。如果當(dāng)前時刻的個體在過去的環(huán)境中適值越高，說明個體所攜帶

3、的聚類劃分方案越能反映過去時刻的數(shù)據(jù)分布特征，表現(xiàn)出很好的平滑性。實(shí)驗(yàn)方面，本文通過合成數(shù)據(jù)和真實(shí)數(shù)據(jù)，對提出的算法進(jìn)行實(shí)驗(yàn)驗(yàn)證。
　　(2)從多峰優(yōu)化的角度來研究演化數(shù)據(jù)的聚類問題。已有的演化聚類算法大多基于時間平滑性框架，通過加入帶權(quán)重的懲罰項來保證當(dāng)前聚類結(jié)果與過去結(jié)果的平滑性。本文從多峰優(yōu)化的角度，采用多峰優(yōu)化算法搜索全局/局部最優(yōu)解，然后采用基于NMI指數(shù)的選擇策略選出當(dāng)前時刻的最優(yōu)解。實(shí)驗(yàn)方面，本文采用合成數(shù)據(jù)和真實(shí)數(shù)

4、據(jù)進(jìn)行對比實(shí)驗(yàn)，并分析了算法的特點(diǎn)。
　　(3)從數(shù)據(jù)級別上實(shí)現(xiàn)聚類結(jié)果在時間上的平滑性。已有的演化聚類算法大多在聚類模型的層次上保證聚類結(jié)果在時間上的平滑性。本文提出兩種不同的技術(shù)，分別從數(shù)據(jù)級別上實(shí)現(xiàn)平滑性要求。這兩種技術(shù)利用歷史數(shù)據(jù)的發(fā)生規(guī)律來構(gòu)建當(dāng)前時刻的數(shù)據(jù)矩陣，并采用層次聚類算法得到最終的聚類結(jié)果。實(shí)驗(yàn)方面，我們采用合成數(shù)據(jù)和真實(shí)數(shù)據(jù)進(jìn)行對比實(shí)驗(yàn)，并分析了算法的性能。
　　演化數(shù)據(jù)的聚類問題，作為一種新的研究課題