基于粒子群和免疫優(yōu)化的多目標聚類及應(yīng)用.pdf

1、隨著信息技術(shù)和網(wǎng)絡(luò)的快速發(fā)展，人們?nèi)粘Ｉ钪挟a(chǎn)生的數(shù)據(jù)量正呈指數(shù)形式增長，我們的生活幾乎每時每刻都在和數(shù)據(jù)打交道，因此，如何從這些龐大的數(shù)據(jù)中發(fā)掘?qū)θ藗冇杏玫男畔⒊蔀榱私陙淼难芯繜犷}之一。聚類作為數(shù)據(jù)分析中的強用力的工具，得到了人們的廣泛關(guān)注，各種聚類算法不斷涌現(xiàn)。本文以多目標聚類為整體框架，借助粒子群優(yōu)化和免疫優(yōu)化方法，對數(shù)據(jù)聚類、人臉聚類和圖像分割方法做出了研究，主要內(nèi)容包括：
　　1．提出了基于年齡的粒子再生的多目標免疫粒

2、子群聚類算法，該算法將粒子群優(yōu)化和免疫優(yōu)化方法相結(jié)合，同時優(yōu)化類內(nèi)緊致和類間分離。在粒子群優(yōu)化過程中，我們提出了一個新的年齡概念來衡量各粒子的局部搜索能力。同時，為解決粒子群優(yōu)化易陷入局部最優(yōu)的問題，一個新的基于年齡的粒子再生方法被提出。在免疫優(yōu)化過程中，我們通過克隆增殖、交叉和克隆變異三個算子增加種群的多樣性，有效解決了算法的早熟問題。
　　2．提出了基于多核的人工免疫多目標模糊聚類算法，該算法將多核和多目標思想統(tǒng)一于聚類框架，

3、保留了數(shù)據(jù)集的幾何信息，從整體上考慮數(shù)據(jù)集的分布，有效解決了模糊C均值算法僅僅適用于球形或橢球形類的問題，而且還可以很好的發(fā)掘數(shù)據(jù)間的非線性關(guān)系，提高了聚類質(zhì)量，同時解決了核函數(shù)的選擇問題。并且，多目標思想的引入，避免了由于單目標聚類算法未考慮數(shù)據(jù)整體分布而容易陷入局部最優(yōu)的問題。對數(shù)據(jù)集和圖像集的實驗結(jié)果表明該算法有更高的適用性。
　　3．提出了基于動態(tài)局部搜索的多目標人工免疫自動聚類算法，該算法將多目標優(yōu)化思想引入到自動聚類問