基于多目標(biāo)優(yōu)化的聚類算法及其應(yīng)用.pdf

1、隨著計算機技術(shù)的迅猛發(fā)展,我們需要面對的數(shù)據(jù)量呈現(xiàn)出成指數(shù)上漲的趨勢,挖掘數(shù)據(jù)內(nèi)部聯(lián)系的數(shù)據(jù)挖掘問題變成了一個越來越重要也越來越急需解決的問題。聚類算法作為數(shù)據(jù)挖掘中一種很重要分支,近年來得到了研究者的廣泛關(guān)注。本論文以多目標(biāo)優(yōu)化聚類算法和圖像分割為背景,本論文的主要工作概括如下:
　　(1)提出了一種基于免疫克隆多目標(biāo)優(yōu)化的同時聚類和分類算法。算法采用免疫克隆多目標(biāo)優(yōu)化算法對同時聚類和分類的框架進行優(yōu)化,通過基于非支配度排序的改

2、進的免疫克隆操作和免疫基因操作,使得算法得到較多的非支配解,從而更佳利于種群的優(yōu)化并得到更優(yōu)的分類結(jié)果。通過仿真實驗,可以看出算法具有很好的多樣性,均勻性和收斂性。具有更優(yōu)的分類正確率。
　　(2)提出了一種基于免疫克隆多目標(biāo)優(yōu)化的同時聚類和分類算法的圖像分割框架,通過灰度共生矩陣和Gabor濾波共同提取圖像特征,并通過采用分水嶺圖像預(yù)分割處理機制,加快了免疫算法在處理圖像問題的速度。仿真實驗驗證了算法的分割準(zhǔn)確性和均勻性。