粒子群聚類算法的改進(jìn)與應(yīng)用設(shè)計(jì).pdf

1、隨著信息技術(shù)與數(shù)據(jù)存儲(chǔ)技術(shù)的不斷發(fā)展，數(shù)據(jù)挖掘技術(shù)則成為信息決策領(lǐng)域最前沿和最活躍的研究方向之一，作為數(shù)據(jù)挖掘的一種強(qiáng)有力的分析工具，聚類得到了人們的廣泛關(guān)注。傳統(tǒng)的聚類方法很難處理大規(guī)模、復(fù)雜結(jié)構(gòu)的數(shù)據(jù)，因此一些智能的聚類算法應(yīng)運(yùn)而生。其中粒子群聚類算法在處理大數(shù)據(jù)聚類問(wèn)題上別具一格，粒子群聚類是通過(guò)計(jì)算機(jī)對(duì)數(shù)據(jù)聚類分析的同時(shí)結(jié)合了粒子群的生物機(jī)制，它的自組織、自學(xué)習(xí)的能力使其具有很強(qiáng)的適應(yīng)性和魯棒性，得到全局最優(yōu)解。
　　本文

2、首先介紹了粒子群聚類算法的研究背景與意義以及國(guó)內(nèi)外的研究現(xiàn)狀;然后給出了粒子群算法、聚類算法以及粒子群聚類算法的基本理論和方法;并重點(diǎn)闡述了粒子群聚類算法的改進(jìn)算法，該算法引入了聚類有效性指標(biāo)對(duì)聚類結(jié)果進(jìn)行有效性度量，最后通過(guò)粒子群聚類算法的目標(biāo)函數(shù)、聚類有效性指標(biāo)以及利用粒子群的交叉變異提高聚類算法的效率以及精度。最后利用改進(jìn)的粒子群聚類算法做了三個(gè)應(yīng)用實(shí)驗(yàn):首先在模擬數(shù)據(jù)集上進(jìn)行聚類分析，然后在醫(yī)學(xué)圖像分割中做了一定的應(yīng)用，最后在智