改進(jìn)的蟻群聚類分析算法的研究.pdf

1、數(shù)據(jù)聚類是重要的數(shù)據(jù)挖掘技術(shù)，是人們認(rèn)識和探索事物之間內(nèi)在聯(lián)系的有效手段，它既可以作為獨(dú)立的數(shù)據(jù)挖掘工具，發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)分布的一些深入信息，也可以作為其它數(shù)據(jù)挖掘算法的預(yù)處理步驟，且在工程和技術(shù)領(lǐng)域具有廣泛的應(yīng)用背景。近幾十年來，國內(nèi)外的研究者們提出了許多聚類算法，力圖發(fā)現(xiàn)最優(yōu)方案。隨著蟻群算法研究的興起，人們發(fā)現(xiàn)在某些方面采用蟻群模型進(jìn)行聚類更加接近實(shí)際的聚類問題。 本文首先分析了聚類分析和蟻群算法。聚類分析是數(shù)據(jù)挖掘中的一

2、個很活躍的研究領(lǐng)域，主要用于在隱含的數(shù)據(jù)中發(fā)現(xiàn)有意義的數(shù)據(jù)分布和數(shù)據(jù)模式。對聚類分析的定義、聚類的方法、數(shù)據(jù)類型以及聚類結(jié)果的度量標(biāo)準(zhǔn)作了簡要的介紹。蟻群算法模擬了群體智能，在解決優(yōu)化處理方面發(fā)揮了很好的作用，研究了蟻群聚類分析基本模型和蟻群聚類分析基本模型的LF算法，分析了其算法的優(yōu)缺點(diǎn)。本文對基于蟻群算法的聚類分析方法及其應(yīng)用展開了研究，主要工作如下： 1、提出了基于信息素的改進(jìn)的LF算法(ILFBP)。由于LF算法要設(shè)置很

3、多的參數(shù)，并且對參數(shù)設(shè)置比較敏感，同時由于定義了螞蟻在二維網(wǎng)格中是任意移動的，任意移動過程中對某些區(qū)域并沒有數(shù)據(jù)對象，而且算法收斂速度過慢，所以算法的聚類效果不好、效率不高。通過在改進(jìn)LF算法中群體相似度函數(shù)，加入?yún)?shù)的自適應(yīng)調(diào)整策略，利用短期記憶和網(wǎng)格信息素的局部分布控制螞蟻的隨機(jī)移動，并結(jié)合螞蟻速度動態(tài)變化、半徑遞增、強(qiáng)制放下等特性，提出了基于信息素的改進(jìn)的LF算法。 2、對改進(jìn)的算法進(jìn)行分析，并且通過測試數(shù)據(jù)和不同的算法進(jìn)