基于蟻群優(yōu)化的聚類算法的研究.pdf_第1頁
已閱讀1頁,還剩42頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,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)

文檔簡介

1、數(shù)據(jù)挖掘(Data Mining)是在海量的數(shù)據(jù)中提取隱含在其中的有用信息和知識(shí)的過程。數(shù)據(jù)聚類(Data Clustering)是其中一項(xiàng)重要的數(shù)據(jù)挖掘技術(shù),是人們認(rèn)識(shí)和探索事物之間內(nèi)在聯(lián)系的一種有效手段。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。聚類(Clustering)就是將數(shù)據(jù)對(duì)象劃分到不同組(Group)/簇(Cluste

2、r)中,使得屬于同簇內(nèi)的數(shù)據(jù)對(duì)象具有相似性,而不同簇的數(shù)據(jù)對(duì)象具有相異性。 本文在充分研究了現(xiàn)有蟻群聚類算法的基本原理與特性的基礎(chǔ)上,為了提高算法效率,改善聚類質(zhì)量,經(jīng)過對(duì)引入信息熵的蟻群聚類算法的研究、歸納和總結(jié),提出一種改進(jìn)的基于信息熵的蟻群聚類算法。主要思想是盡可能賦予螞蟻以智能行為,一方面將螞蟻在聚類過程中的一次迭代活動(dòng)的比較區(qū)域半徑逐漸增大,以此減小空間內(nèi)數(shù)據(jù)疏密程度的變化對(duì)算法進(jìn)度造成的影響;另一方面,在引入信息熵的

3、聚類算法以避免基于蟻巢分類模型的聚類算法中螞蟻隨機(jī)拾起/放下數(shù)據(jù)對(duì)象的基礎(chǔ)上,又引入了觀望策略來引導(dǎo)螞蟻移動(dòng)的方向,代替隨機(jī)移動(dòng)的策略,將螞蟻活動(dòng)與周圍的信息熵環(huán)境緊密地聯(lián)系在一起,利用螞蟻對(duì)歷史若干組(視數(shù)據(jù)規(guī)模等條件而定)熵信息的記憶和更新,來改善傳統(tǒng)的隨機(jī)方向選擇機(jī)制對(duì)算法效率的影響。 本文的研究具有一定的理論和實(shí)踐意義。通過實(shí)際數(shù)據(jù)集的實(shí)驗(yàn)表明,改進(jìn)后的算法有效地提高了聚類的質(zhì)量,并在一定程度上減少了算法的迭代次數(shù),有利

溫馨提示

  • 1. 本站所有資源如無特殊說明,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)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(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。

評(píng)論

0/150

提交評(píng)論