基于遺傳算法的聚類挖掘研究.pdf

1、聚類分析也是數(shù)據(jù)挖掘研究中的一個非?；钴S的研究課題.聚類就是把一個沒有類別標(biāo)記的樣本集按某種準(zhǔn)則劃分成若干類,使類內(nèi)樣本的相似性盡可能大,而類間樣本相似性盡量小,是一種無監(jiān)督的分類方法.聚類分析雖已廣泛地應(yīng)用于模式識別、數(shù)據(jù)挖掘、計算機視覺、模糊控制、決策分析和預(yù)測等許多領(lǐng)域,但它在理論和方法上仍不完善,甚至還有嚴(yán)重的不足之處.對聚類算法的進一步優(yōu)化研究將不僅有助于算法理論的完善,更有助于算法的推廣和應(yīng)用.該課題研究的目標(biāo)就是在數(shù)據(jù)挖掘

2、的背景下,從理論、算法和應(yīng)用的角度對聚類分析技術(shù)在如下三個方面進行了探索性的研究并取得了一定的成果.1)現(xiàn)有聚類算法的分類研究.從聚類準(zhǔn)則、聚類的表示、算法框架等不同角度來考察并區(qū)分這些算法,然后從混合聚類方法、增量聚類、自動化和可視化等技術(shù)方面對現(xiàn)有算法加以比較分析評價.分析了現(xiàn)有算法的優(yōu)缺點,以利于進一步改進;通過對現(xiàn)有算法的性能評述,有利于數(shù)據(jù)挖掘用戶能夠針對特定的數(shù)據(jù)集選擇正確的算法,以獲得最優(yōu)化的結(jié)果和性能;也可以為現(xiàn)有算法分

3、類比較的進一步研究以及建立聚類基準(zhǔn)奠定基礎(chǔ).2)聚類分析的遺傳算法研究.傳統(tǒng)的基于聚類準(zhǔn)則的聚類算法本質(zhì)上是一種局部搜索算法,它們采用了一種迭代的爬山技術(shù)來尋找最優(yōu)解,存在著對初始化敏感和容易陷入局部極小的致命缺點.遺傳算法(GA)是一種通過模擬自然進化過程搜索最優(yōu)解的方法,其顯著特點是隱含并行性和對全局信息的有效利用能力.文中討論了聚類分析的遺傳操作改進方法,首次提出了基于佳點集GA的聚類算法GAmeans,降低了傳統(tǒng)聚類算法對初始化

4、的要求,具有收斂快、較強的穩(wěn)健性和可避免早熟的特點.提出了一種混合聚類方法HgaMeans,實驗比較測試表明它具有更好的聚類質(zhì)量和綜合性能.3)增量算法探討.增量式聚類方法有適應(yīng)大規(guī)模、動態(tài)數(shù)據(jù)、降低內(nèi)存需求、可實現(xiàn)并行處理和增量更新等諸多優(yōu)點,而且時空復(fù)雜性較小.增量算法的要求是聚類特征一般是可加的、非迭代的,該文提出了一種基于密度的網(wǎng)格聚類算法GDCLUS,并在此基礎(chǔ)上提出了增量式算法IGDCLUS.該算法可發(fā)現(xiàn)任意形狀的聚類,適用