自適應蟻群算法在模糊聚類分析中的應用研究.pdf

1、信息時代的到來，數(shù)據(jù)的指數(shù)級增長，自動從海量數(shù)據(jù)庫中方便、準確地獲取有用知識和發(fā)現(xiàn)數(shù)據(jù)間的有用模式已成為人們迫切的需要，也促使數(shù)據(jù)挖掘方法與技術的研究應用不斷深入，推陳出新。模糊聚類分析就是在這種背景下不斷發(fā)展起來的一種數(shù)據(jù)挖掘方法，它將模糊理論引入聚類分析中，描述了每個對象隸屬于每個類別的相似程度。隨著數(shù)據(jù)挖掘技術的發(fā)展，模糊聚類分析得到了廣泛的關注和研究。
　　目前對模糊聚類的算法研究，大多數(shù)是在硬聚類的基礎上擴展而來。如基于

2、目標函數(shù)的迭代爬山算法，此類算法存在一些缺陷，如容易陷入局部最優(yōu)，對初值的設置敏感等。為了克服這些缺點，利用改進的蟻群算法進行優(yōu)化。本文的主要研究內(nèi)容和創(chuàng)新點主要體現(xiàn)在：
　?。?）在討論了蟻群算法的基本原理和現(xiàn)有的改進算法的基礎上，提出了一種設立檢測區(qū)的改進思路：在循環(huán)進行若干代后，進入檢測區(qū)檢測螞蟻搜索路徑是否停滯，如果停滯發(fā)生，自適應的改變相應參數(shù)，否則繼續(xù)迭代。并給出了一種基于檢測區(qū)和融合現(xiàn)有改進策略的混合自適應蟻群（CA

3、AC）算法。
　　（2）把改進的蟻群算法應用到模糊聚類算法中，分析并設計出了一種基于混合蟻群算法的模糊聚類算法（CAAC-FC）。通過降元和降維的操作，將基于目標函數(shù)的二元模糊聚類問題轉(zhuǎn)化為關于聚類原型矢量的一元函數(shù)，利用CAAC算法求解目標函數(shù)的最優(yōu)解，完成聚類任務，同時給出了程序流程圖和算法具體步驟。
　　（3）進行了相關算法的實現(xiàn)和驗證。對CAAC算法的仿真結果證明，此算法具有收斂速度快，全局搜索能力強的優(yōu)點；關于CA