改進的人工免疫網(wǎng)絡(luò)聚類算法研究.pdf

1、數(shù)據(jù)挖掘作為數(shù)據(jù)庫知識發(fā)現(xiàn)的重要組成部分，它為人們從數(shù)據(jù)庫中提取出有用的信息，而聚類作為一種重要的數(shù)據(jù)挖掘方法，它可以用極少的先驗知識對數(shù)據(jù)進行分析。近年來，隨著科學(xué)信息技術(shù)的發(fā)展，數(shù)據(jù)形態(tài)的多樣化，傳統(tǒng)的聚類算法已經(jīng)越來越難以滿足技術(shù)的需要，能夠處理復(fù)雜數(shù)據(jù)集的聚類算法開始成為主流。根據(jù)不同數(shù)據(jù)的數(shù)據(jù)類型，本文基于人工免疫網(wǎng)絡(luò)提出了三種改進算法。首先基于二次免疫機制將對人工免疫網(wǎng)絡(luò)聚類算法進行改進，處理分布特殊的數(shù)據(jù)集；然后用Kern

2、el方法對人工免疫網(wǎng)絡(luò)進行改進，處理真實數(shù)據(jù)集；最后，將基于相似維的子空間聚類算法與人工免疫網(wǎng)絡(luò)算法結(jié)合起來，處理高維數(shù)據(jù)集。本文具體工作如下：
　　1.我們首先提出一種基于二次免疫機制的人工免疫網(wǎng)絡(luò)聚類算法。改進點主要是：1.引入了競爭選擇機制，解決了原始的人工免疫網(wǎng)絡(luò)聚類算法對噪聲敏感的問題，提高了算法的抗噪性能。2.在改進的人工免疫網(wǎng)絡(luò)算法的基礎(chǔ)上，使用二次免疫機制，提出了基于二次免疫機制的人工免疫網(wǎng)絡(luò)聚類算法(SIMAIN

3、)。它主要改進了算法的時間復(fù)雜度，減小了計算成本。在對比實驗中，通過與其他算法的比較，本算法在分布特殊的人工數(shù)據(jù)集上具有普適性與優(yōu)越性。
　　2.針對真實數(shù)據(jù)集的處理，我們將Kernel方法應(yīng)用到人工免疫網(wǎng)絡(luò)算法的改進上，提出了一種基于核的人工免疫網(wǎng)絡(luò)的真實數(shù)據(jù)集聚類算法(KSIMAIN)。由于基于核聚類的方法可以把原空間中的非線性聚類問題轉(zhuǎn)變成高維空間中的線性或近似線性聚類問題,從而獲得較好的聚類效果，但存在全局收斂性較低的缺點

4、。而改進的人工免疫網(wǎng)絡(luò)聚類算法有著這些優(yōu)點：全局收斂、運行效率高并且不需要先驗知識，所以我們提出聯(lián)合兩種算法的優(yōu)點，使算法發(fā)揮出較好的聚類效果和穩(wěn)定性，在對比實驗中也體現(xiàn)了這一點。我們還驗證了針對不同類型的數(shù)據(jù)最好結(jié)合不同方法進行聚類處理。
　　3.針對高維數(shù)據(jù)的處理，我們將改進的人工免疫網(wǎng)絡(luò)算法與基于相似維的子空間聚類算法結(jié)合起來，因為人工免疫網(wǎng)絡(luò)聚類算法能夠很好地適應(yīng)非凸數(shù)據(jù)集的處理，并且不需要提供類別信息。通過改進，它的抗噪