基于群體智能的聚類分析.pdf

1、聚類是分析數(shù)據(jù)并從中發(fā)現(xiàn)有用信息的一種有效手段。聚類可以將對(duì)象數(shù)據(jù)分組成為若干個(gè)簇，使同一個(gè)簇中的對(duì)象之間的相似度較高，而不同簇中的對(duì)象之間差別很大。通過(guò)聚類，可以發(fā)現(xiàn)全局的分布模式以及數(shù)據(jù)屬性之間有趣的相互關(guān)系。近幾年來(lái)，聚類技術(shù)已經(jīng)成為數(shù)據(jù)挖掘的主要方法之一。
　　群體智能是一種新興演化計(jì)算技術(shù)，用于數(shù)據(jù)分析時(shí)，會(huì)繼承生物系統(tǒng)良好的處理機(jī)制和特征。它與人工生命，特別是進(jìn)化策略和遺傳算法有著極為特殊的聯(lián)系，已完成的理論和應(yīng)用研究

2、表明群體智能方法是一種能夠有效解決大多數(shù)全局優(yōu)化問(wèn)題的新方法。
　　本論文主要是針對(duì)群體智能的特點(diǎn)，以傳統(tǒng)的聚類分析問(wèn)題為主要研究對(duì)象，對(duì)蟻群優(yōu)化算法、粒子群優(yōu)化算法的理論進(jìn)行了研究和算法改進(jìn)，并利用改進(jìn)的算法來(lái)解決聚類分析問(wèn)題。研究表明，基于群體智能優(yōu)化的聚類分析方法收斂速度快、適應(yīng)性強(qiáng)，比一般的聚類分析方法能更好地揭示數(shù)據(jù)之間的相關(guān)性，為提高數(shù)據(jù)聚類的質(zhì)量和效率提供了有利保障。
　　主要研究?jī)?nèi)容如下:
　　1、對(duì)蟻

3、群聚類算法的參數(shù)設(shè)置、適應(yīng)度函數(shù)進(jìn)行了改進(jìn)，引入了多主體的思想，提出了改進(jìn)的多主體的螞蟻聚類算法，并對(duì)算法的相似度函數(shù)和時(shí)間復(fù)雜性進(jìn)行了分析。在算法中，一個(gè)主體螞蟻代表一個(gè)數(shù)據(jù)對(duì)象，根據(jù)它與鄰域空間中的主體螞蟻的相似度函數(shù)和轉(zhuǎn)換概率函數(shù)來(lái)確定下一個(gè)移動(dòng)位置，同時(shí)依照聚類規(guī)則集合動(dòng)態(tài)更新其類號(hào)。主體螞蟻的移動(dòng)使得它與鄰域內(nèi)的對(duì)象相互影響、相互作用，僅利用少量的局部鄰域信息，經(jīng)過(guò)一定次數(shù)的迭代后就可以較快較好的形成聚類。實(shí)驗(yàn)表明多主體的螞蟻

4、聚類算法具有較快的搜索速度，其聚類結(jié)果明顯優(yōu)于改進(jìn)的K-Means聚類算法。
　　2、在介紹分析粒子群優(yōu)化算法的基礎(chǔ)上，吸收并借鑒當(dāng)前的研究成果，提出了一種多種群協(xié)同進(jìn)化的混合粒子群聚類算法。將協(xié)同進(jìn)化思想引入粒子群聚類算法中。將整個(gè)種群分解為多個(gè)子種群，各子種群獨(dú)立進(jìn)化，間隔一定迭代次數(shù)后，實(shí)施子種群之間的信息交換:將一個(gè)子種群中的最好解發(fā)送至相鄰子種群，取代其中適應(yīng)值最差的粒子。算法充分利用了PSO全局尋優(yōu)的優(yōu)點(diǎn)K-means

5、局部尋優(yōu)的特點(diǎn)，在找到最優(yōu)劃分的同時(shí)使得劃分結(jié)果更精確。算法能夠自動(dòng)確定聚類數(shù)目，且聚類結(jié)果不受初始聚類中心的影響。通過(guò)以上的改進(jìn)提高算法的性能。
　　3、為使聚類算法的結(jié)果更具有實(shí)際意義，提出了基于距離對(duì)稱性的PSO聚類算法，用于對(duì)有對(duì)稱性的數(shù)據(jù)集的聚類劃分。在介紹了距離對(duì)稱性的相關(guān)概念后，給出了基于距離對(duì)稱性的相似度函數(shù)，在此基礎(chǔ)上，提出了基于距離對(duì)稱性的粒子群聚類算法。最后通過(guò)實(shí)驗(yàn)用不同的方法對(duì)四組數(shù)據(jù)集分別進(jìn)行了測(cè)試。實(shí)驗(yàn)

6、結(jié)果說(shuō)明了算法的有效性，充分考慮到了對(duì)稱性對(duì)聚類結(jié)果的影響，使得聚類結(jié)果更具有實(shí)際意義。
　　本研究的主要?jiǎng)?chuàng)新點(diǎn)歸納如下:
　　1、提出一種多主體的改進(jìn)的螞蟻聚類算法，并對(duì)算法的相似度函數(shù)和算法復(fù)雜度進(jìn)行了分析。在算法中引入多主體概念，提出了螞蟻聚類的規(guī)則，對(duì)相似度函數(shù)的計(jì)算公式進(jìn)行了改進(jìn)和分析，另外在參數(shù)的選擇和設(shè)置上也做了部分改進(jìn)。通過(guò)該算法不僅可以提高聚類速度，同時(shí)會(huì)得到較好的聚類劃分結(jié)果。
　　2、提出一種協(xié)同

7、進(jìn)化的混合粒子群聚類算法。主要是將多種群協(xié)同進(jìn)化的思想引入粒子群聚類分析中，將PSO算法的隨機(jī)搜索策略和K-means方法的局部?jī)?yōu)化能力有效結(jié)合起來(lái)。算法能夠自動(dòng)確定聚類數(shù)目，并且聚類結(jié)果不受初始聚類中心的影響。和其它算法相比，算法收斂速度有所提高，在聚類精度上也有很大的改善。
　　3、提出了基于距離對(duì)稱性的粒子群聚類算法。該算法引入了距離對(duì)稱性和基于距離對(duì)稱性的適應(yīng)度函數(shù)，能夠發(fā)現(xiàn)傳統(tǒng)聚類算法難以發(fā)現(xiàn)的一些特殊形狀的聚類。特別是