基于進(jìn)化計(jì)算法的高維數(shù)據(jù)聚類研究.pdf

1、對高維數(shù)據(jù)進(jìn)行潛在價(jià)值的挖掘是目前的一個(gè)技術(shù)難題，同時(shí)也是一個(gè)研究熱點(diǎn)。高維數(shù)據(jù)聚類分析是挖掘高維數(shù)據(jù)的價(jià)值的一個(gè)重要手段，它在文檔分析、新聞自動分類、自動摘要、垃圾郵件識別及過濾、信息過濾以及生物信息學(xué)等領(lǐng)域有重要的作用。目前，隨著信息科學(xué)的發(fā)展，在我們獲取的數(shù)據(jù)中，高維數(shù)據(jù)占的比例越來越大，比如，網(wǎng)絡(luò)購物產(chǎn)生的交易數(shù)據(jù)，基因表達(dá)數(shù)據(jù)以及文本數(shù)據(jù)等。對這些高維數(shù)據(jù)進(jìn)行挖掘能獲得十分巨大的經(jīng)濟(jì)價(jià)值以及其它的知識，所以高維數(shù)據(jù)聚類分析作為

2、一種重要的挖掘手段，具有巨大的研究前景。
　　和低維數(shù)據(jù)相比，高維數(shù)據(jù)在整個(gè)空間的分布是稀疏的，這使得對其進(jìn)行聚類分析變得十分困難。但是一般來說，高維數(shù)據(jù)的聚類簇在是比較緊湊的分布在該聚類簇的子空間上的，所以如果能找到高維數(shù)據(jù)的每一個(gè)聚類簇所在的子空間，那么對高維數(shù)據(jù)進(jìn)行聚類分析就能得到一個(gè)比較好的結(jié)果。但是因?yàn)椴煌木垲惔氐淖涌臻g是不一樣不同的相關(guān)維組成的，所以尋找聚類簇對應(yīng)的子空間是十分困難的。通過上面的分析，可以得出：高維數(shù)

3、據(jù)聚類的難點(diǎn)和關(guān)鍵就是如何找出子空間。
　　本文通過分析現(xiàn)有的軟子空間聚類算法的優(yōu)缺點(diǎn)，將差分進(jìn)化算法用于維度權(quán)值的求解，從而提升算法的聚類效果；引入多目標(biāo)聚類的思想，降低算法對聚類類別輸?shù)囊蕾?，使得算法的?yīng)用范圍更廣。本文的主要工作為：
　　1）現(xiàn)有的軟子空間聚類算法都是類k-means算法，針對它們比較依賴初始聚類中心，算法不穩(wěn)定以及維度權(quán)值不準(zhǔn)確的缺點(diǎn)，提出了基于差分進(jìn)化的軟子空間聚類算法。該聚類算法是在軟子空間聚類算

4、法的框架下，引入差分進(jìn)化優(yōu)化算法對維度權(quán)值進(jìn)行優(yōu)化，提升算法的穩(wěn)定性以及聚類效果。實(shí)驗(yàn)表明，該算法在人工數(shù)據(jù)集、UCI數(shù)據(jù)集以及癌癥基因表達(dá)數(shù)據(jù)上，獲取的優(yōu)于其他軟子空間聚類算法的聚類結(jié)果。
　　2）針對現(xiàn)有的軟子空間聚類算法都是對一個(gè)目標(biāo)函數(shù)進(jìn)行優(yōu)化以及需要與先給定準(zhǔn)確的類別數(shù)等缺點(diǎn)，提出了基于多目標(biāo)進(jìn)化算法的軟子空間聚類算法。利用多目標(biāo)優(yōu)化的理論對聚類的兩個(gè)目標(biāo)函數(shù)進(jìn)行優(yōu)化。然后，用NSGA-II來優(yōu)化這兩個(gè)目標(biāo)函數(shù)，得到一組

5、最優(yōu)解，即非支配解，然后采用半監(jiān)督的方式從非支配選取一個(gè)解，作為聚類算法的輸出。在人工數(shù)據(jù)集、UCI數(shù)據(jù)集和癌癥基因表達(dá)數(shù)據(jù)集上的實(shí)驗(yàn)表明，該算法的聚類效果和基于差分進(jìn)化的軟子空間聚類算法相當(dāng)，但是它不需要預(yù)先輸入類別數(shù)。
　　3）通過對文本聚類進(jìn)行分析，發(fā)現(xiàn)文本聚類一般來說具有：高維和在子空間分布密集的特點(diǎn)，而子空間聚類恰好適合求解這一問題。本文根據(jù)文本聚類的特點(diǎn)，將基于差分進(jìn)化的軟子空間聚類算法（DESSC）應(yīng)用于文本聚類，并

6、且在實(shí)驗(yàn)中取得了較好的結(jié)果。
　　本文得到如下基金資助：教育部新世紀(jì)優(yōu)秀人才支持計(jì)劃：（ NCET-12-0920）；陜西省科技新星計(jì)劃：（No.2014KJXX-45）；國家自然科學(xué)基金：（Nos.61272279,61001202和61203303）；高校基本科研業(yè)務(wù)費(fèi)（Nos. K5051302049，K5051302023，K5051302002和 K5051302028）和“111”創(chuàng)新引智計(jì)劃（No. B07048）。