一種新的全局收斂的混合聚類算法.pdf

1、聚類算法是指將具有多個屬性的數(shù)據(jù)集分組成多個類的一種方法，在相同的類中，數(shù)據(jù)的相似性較大，而在不同的類中，其差異性較大，所以通常在應用時，可以將同一個類中的數(shù)據(jù)看作統(tǒng)一的整體。在大數(shù)據(jù)時代的今天，每天都在產生著海量的數(shù)據(jù)，對這些數(shù)據(jù)的適當處理和合理應用變得尤為重要。聚類分析是數(shù)據(jù)挖掘的重要手段之一，被廣泛應用于各個領域。例如在商務上，聚類能幫助發(fā)現(xiàn)購買模式相近的顧客從而挖掘消費群體特征;聚類還廣泛應用在基因和蛋白質的分類上，能發(fā)現(xiàn)表達相

2、似的基因或蛋白質，這樣便于研究它們的內在結構，給生物醫(yī)療、植物學、動物學等帶來了很大的進展;在金融領域，利用聚類分析發(fā)現(xiàn)離群點，可以識別欺詐和金融犯罪行為。如今，聚類分析已是一個十分重要的研討課題，不少學者在這方面做出了意義非凡的成果。
　　聚類不同于分類，是沒有訓練過程的，事先并不清楚要分成幾個組和什么樣的組，其類別在聚類過程中生成。其中比較常用的有系統(tǒng)聚類法和基于螞蟻成堆的蟻群聚類算法。但是在實際操作中，往往可以通過一些先驗知

3、識或者假定事先確定類別數(shù)，這樣便于算法實現(xiàn)。最為經(jīng)典的聚類算法莫過于K-Means方法，它的收斂速度極快并且非常易于實現(xiàn)，但是其最大的弱點是容易陷入局部最優(yōu)和對初始聚類中心敏感。XK-Means方法對K-Means做了改進，對聚類中心加了隨機探測向量進行擾動，這樣可以適當?shù)販p輕其容易陷入局部最優(yōu)的缺點，但是，擾動操作可能在聚類過程中產生空類繼而導致運算過程中斷。為此，本文針對這些缺點，提出一種填補空類的IXK-Means方法，結合了K-

4、Means和XK-Means的優(yōu)勢，算法又可操作，然而這樣的改進還是不夠，IXK-Means仍然有陷入局部最優(yōu)的可能?？紤]到遺傳機制可以達到全局最優(yōu)，本文提出將遺傳算法與IXK-Means方法混合，即用IXK-Means操作代替遺傳算法中的交叉操作，從而得到一種新的遺傳IXK-Means算法，簡稱GIXK算法。該算法收斂到全局最優(yōu)解，并且與另一種全局最優(yōu)的遺傳K均值算法相比，其收斂速度更快。然而，該算法需要事先確定類別數(shù)，若對于一個沒有