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、全球信息科技和互聯(lián)網(wǎng)絡(luò)的迅速發(fā)展,使得人們對(duì)各種網(wǎng)絡(luò)資源共享的需求越來越大,這些共享的數(shù)據(jù)信息造成了數(shù)據(jù)膨脹和信息爆炸。如何找到一種科學(xué)合理的方式來幫助人們從大量紛雜無章的數(shù)據(jù)中篩選出有效可靠的信息是急需研究的問題。數(shù)據(jù)挖掘是解決該問題的一種有效方法,它可以幫助人們?cè)趯?duì)特定的數(shù)據(jù)進(jìn)行專業(yè)的處理之后做出正確高效的決策。聚類本身屬于數(shù)據(jù)挖掘里面的關(guān)鍵內(nèi)容,故成為許多專家學(xué)者的研究對(duì)象。
在經(jīng)典的聚類方法基礎(chǔ)上,本文分析了聚類算法的
2、局限性,然后研究了蜂群算法、粒子群算法、粗糙集以及粒計(jì)算的理論知識(shí),之后結(jié)合人工蜂群、粒子群、粗糙集和粒計(jì)算來對(duì)傳統(tǒng)聚類算法進(jìn)行優(yōu)化。主要工作如下:
(1)經(jīng)典的K-medoids聚類算法具有起始類中心隨機(jī)獲取、準(zhǔn)確率不夠高、全局尋優(yōu)時(shí)表現(xiàn)不佳的缺陷,為此,提出了一種基于人工蜂群的優(yōu)化聚類算法。該算法結(jié)合改進(jìn)粒計(jì)算和最大距離積法選取初始聚類中心,然后動(dòng)態(tài)調(diào)整搜索步長,采用基于排序的選擇概率來實(shí)現(xiàn)跟隨蜂對(duì)引領(lǐng)蜂的選取,增加了算法
3、完成最終尋優(yōu)的速度,降低了早熟收斂情況發(fā)生的概率。實(shí)驗(yàn)結(jié)果表明:該算法降低了對(duì)起始中心分布的敏感程度,且準(zhǔn)確率和穩(wěn)定性都得到較大提升。
(2)K-means聚類方法具有對(duì)起始類中心依靠性大、無法處理邊界對(duì)象、精度不夠高和穩(wěn)定性差等缺陷,本文將粒子群與粗糙集進(jìn)行融合后再用于聚類問題中。該算法初始化采用密度和最大距離積法,并使慣性權(quán)重的取值用線性遞減和隨機(jī)分布的方法來實(shí)現(xiàn),然后調(diào)整學(xué)習(xí)因子、引入隨機(jī)粒子,增加種群的多樣性。最后將改
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。
最新文檔
- 基于粗糙集的聚類算法研究.pdf
- 基于蜂群和粗糙集的聚類算法研究.pdf
- 基于遺傳算法和粗糙集的聚類算法研究.pdf
- 基于粒子群和粗糙集的聚類算法研究.pdf
- 基于魚群與粗糙集的聚類算法研究.pdf
- 基于粗糙集和遺傳算法的聚類方法研究.pdf
- 基于粗糙集和包含度的聚類分類算法研究.pdf
- 基于粗糙集理論的聚類研究.pdf
- 粗糙集和粒計(jì)算交叉問題的研究.pdf
- 基于粗糙集的聚類算法及應(yīng)用研究.pdf
- 基于粗糙集的類別數(shù)據(jù)聚類算法研究.pdf
- 基于陰影集和粗糙集的模糊聚類算法研究與應(yīng)用.pdf
- 粒計(jì)算下的粗糙集模型對(duì)比
- 基于商空間理論和粗糙集理論的粒計(jì)算模型研究.pdf
- 基于粒計(jì)算的聚類算法研究.pdf
- 基于粗糙集和模糊聚類的WEB使用挖掘的研究.pdf
- 基于粗糙集的聚類算法及其在入侵檢測(cè)中的應(yīng)用.pdf
- 基于粒計(jì)算的粗糙集分類方法的研究與應(yīng)用.pdf
- 鄰域粗糙集及其基于鄰域粗糙集的分類算法.pdf
- 基于模糊聚類和粗糙集的連續(xù)值屬性約簡研究.pdf
評(píng)論
0/150
提交評(píng)論