面向系統(tǒng)集成的改進蟻群聚類算法應用研究.pdf

1、在海量數據與資訊飛速增長的信息時代,數據供給與數據分析能力之間的矛盾日益突出,數據挖掘技術應運而生。聚類分析作為數據挖掘的一個重要領域,在發(fā)現潛藏的有價值信息,提高數據分析能力和數據解釋質量方面有著深遠的意義。因此對聚類分析的技術方法進行全面、系統(tǒng)和深入的研究是全球信息化發(fā)展的客觀要求。把聚類分析技術應用于企業(yè)信息化,將帶動現代信息技術服務于各個產業(yè)的發(fā)展。蟻群算法是近年來快速發(fā)展的一種仿生優(yōu)化算法。該算法模擬螞蟻的群體行為,采用了正反

2、饋機制,具有并行性,魯棒性,易于和其他方法結合等優(yōu)點。蟻群算法應用于聚類分析,在離散優(yōu)化問題上展現出了優(yōu)異的性能與巨大的發(fā)展?jié)摿?。蟻群聚類算法在系統(tǒng)應用集成中能夠為開發(fā)實施人員提供指導,為項目各種決策提供科學客觀的依據。
　　 本文闡述了數據挖掘的概念、分類和過程等基本內涵。概述了聚類分析的含義、形式、數據類型和相似度度量等內容；介紹了幾種常用的聚類分析算法。接著全面闡述了蟻群算法的產生機制、原理及模型,分析了算法的優(yōu)缺點；然后

3、給出了蟻群聚類算法的分類,深入剖析了每種分類的原理和模型,指出了各自的長處與局限性。在上述研究基礎上提出了一種融合K-means算法的改進蟻群聚類算法,利用前者能快速聚類的優(yōu)點進行初次聚類,接著運用蟻群算法進行再次聚類,得到優(yōu)化后的聚類結果。根據以上思想設計了算法的流程并進行了仿真實驗,結果顯示與K-means算法,基本蟻群算法等相比有更高的精確度。然后在對企業(yè)系統(tǒng)應用集成的產生背景,相關概念以及與辦公自動化系統(tǒng)的聯(lián)系作全面剖析的基礎上