

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、隨著數(shù)據(jù)挖掘研究的不斷深入,群體智能越來(lái)越受到研究人員的關(guān)注,作為其重要分支的蟻群聚類(lèi)算法備受學(xué)者們的青睞。蟻群聚類(lèi)算法是受螞蟻群體行為啟發(fā)而設(shè)計(jì)的智能仿生算法,具有群體智能的分布式、魯棒性、易擴(kuò)展性、簡(jiǎn)單性、廣泛的適應(yīng)性等特點(diǎn)。
本文主要研究蟻群聚類(lèi)模型,分析總結(jié)了目前常見(jiàn)的蟻群聚類(lèi)算法的基本原理、優(yōu)缺點(diǎn),重點(diǎn)分析了最有優(yōu)勢(shì)的基于蟻堆形成的蟻群聚類(lèi)算法(ACLUSTER)。雖然ACLUSTER算法取得了較好的效果,但還存
2、在處理不同類(lèi)型數(shù)據(jù)性能差異較大,參數(shù)設(shè)定困難,執(zhí)行時(shí)間過(guò)長(zhǎng)等問(wèn)題。本文針對(duì)ACLUSTER的這些不足進(jìn)行了改進(jìn)。
針對(duì)ACLUSTER算法在處理序列數(shù)據(jù)時(shí),所使用的相似度丟失過(guò)多序列信息的不足,將序列相似度度量方法與ACLUSTER算法結(jié)合,提出了基于序列相似性的蟻群聚類(lèi)算法(SeqAntCluster)。序列相似度度量方法綜合考慮了序列數(shù)據(jù)的集合相似性與順序相似性,能保留更多的序列特征,使人工螞蟻能更好地分辨序列數(shù)據(jù)之間
3、的差異,獲得更好的聚類(lèi)結(jié)果。實(shí)驗(yàn)表明,該方法能有效提高蟻群聚類(lèi)算法處理序列數(shù)據(jù)的能力。
針對(duì)高維數(shù)據(jù)的稀疏性、維數(shù)災(zāi)難等問(wèn)題,把核函數(shù)方法引入蟻群聚類(lèi)算法,將數(shù)據(jù)映射到高維特征空間進(jìn)行聚類(lèi),提出了核函數(shù)優(yōu)化的蟻群聚類(lèi)算法(KemelAntCluster,KAC)。由于核函數(shù)能將微小的樣本特征放大與優(yōu)化,可以提高人工螞蟻對(duì)數(shù)據(jù)差異的感知能力,提高對(duì)不同類(lèi)數(shù)據(jù)的分辨能力,從而改善聚類(lèi)效果。實(shí)驗(yàn)表明,該方法在改善高維數(shù)據(jù)的聚類(lèi)效
4、果的同時(shí)也加快了算法的收斂速度。
針對(duì)ACLUSTER算法存在的收斂速度慢、運(yùn)行時(shí)間過(guò)長(zhǎng)、形成簇?cái)?shù)量過(guò)多等缺點(diǎn),提出了二次快速蟻群聚類(lèi)算法(DoubleQuickAntCluster,DQAC)。采用新的二次聚類(lèi)策略,通過(guò)使用不同參數(shù)的兩次聚類(lèi)過(guò)程對(duì)數(shù)據(jù)進(jìn)行聚類(lèi),使人工螞蟻在較短時(shí)間內(nèi)堆積較多的較小的簇,然后再把這些小的簇,放在較小的空間里進(jìn)行第二次聚類(lèi)。由于在小空間聚類(lèi)可以減小迭代的規(guī)模,減少人工螞蟻和聚類(lèi)數(shù)據(jù)對(duì)象的個(gè)數(shù)
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 蟻群聚類(lèi)算法的優(yōu)化研究.pdf
- 蟻群聚類(lèi)算法的研究.pdf
- 基于蟻群聚類(lèi)的入侵檢測(cè)方法研究.pdf
- 基于蟻群聚類(lèi)的舌像分割方法研究.pdf
- 蟻群聚類(lèi)算法研究與應(yīng)用.pdf
- 蟻群聚類(lèi)算法的研究與應(yīng)用.pdf
- 基于蟻群聚類(lèi)算法的集成學(xué)習(xí)研究.pdf
- 圖像情感特征蟻群聚類(lèi)算法研究.pdf
- 基于蟻群聚類(lèi)算法的股票板塊分類(lèi)研究.pdf
- 基于蟻群聚類(lèi)算法的胎兒體重預(yù)測(cè).pdf
- 基于蟻群聚類(lèi)優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)軟測(cè)量應(yīng)用.pdf
- 基于蟻群聚類(lèi)的特征基因選擇算法研究.pdf
- 基于模糊集的蟻群聚類(lèi)算法研究.pdf
- 基于蟻群聚類(lèi)算法的客戶(hù)細(xì)分研究與應(yīng)用.pdf
- 基于強(qiáng)化學(xué)習(xí)的蟻群聚類(lèi)研究及應(yīng)用.pdf
- 改進(jìn)蟻群聚類(lèi)算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)控制研究及其應(yīng)用.pdf
- 基于用戶(hù)行為模型和蟻群聚類(lèi)的協(xié)同過(guò)濾推薦算法.pdf
- 改進(jìn)的細(xì)胞自動(dòng)機(jī)蟻群聚類(lèi)方法及平臺(tái)識(shí)別應(yīng)用.pdf
- 蟻群聚類(lèi)算法在入侵檢測(cè)中的應(yīng)用研究.pdf
- 基于群體智能的蟻群聚類(lèi)算法及應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論