基于人工魚群的K中心組合優(yōu)化聚類算法研究.pdf

1、聚類分析就是在沒有任何先驗(yàn)知識(shí)的前提下，將數(shù)據(jù)集劃分為多個(gè)類，這種分類方式可以篩選出區(qū)分不同類別的有用特征，在知識(shí)分類和信息發(fā)現(xiàn)中有巨大作用。對聚類方法和群智能算法進(jìn)行研究后，發(fā)現(xiàn)運(yùn)用群智能技術(shù)解決聚類問題非常有效，因此本文提出基于人工魚群的K中心組合優(yōu)化聚類算法，本文研究成果如下:
　　(1)研究已有的聚類方法基礎(chǔ)上，提出基于組合優(yōu)化思想的K中心組合優(yōu)化聚類方法，構(gòu)造組合函數(shù)和基于組合函數(shù)的準(zhǔn)則函數(shù)，以組合函數(shù)進(jìn)行約束，使聚類準(zhǔn)

2、則函數(shù)得到最優(yōu)值，在此基礎(chǔ)上引入屬性權(quán)值和動(dòng)態(tài)類中心的思想，并給出了完整的聚類模型設(shè)計(jì)，通過應(yīng)用分析得知此方法對處理大數(shù)據(jù)集是高效的。
　　(2)在研究了基本人工魚群算法之后，針對該算法收斂速度慢、尋優(yōu)精度不高等問題，本文提出了一種改進(jìn)的人工魚群算法，重新設(shè)定人工魚視野閾值，對人工魚的覓食行為引入狀態(tài)增量，在聚群和追尾行為中改進(jìn)了擁擠度因子，并且引入了衰減因子約束步長，最后通過Matlab仿真，驗(yàn)證了改進(jìn)的算法的在穩(wěn)定性、收斂速度

3、、正確率方面都有提高。
　　(3)通過研究發(fā)現(xiàn)K中心組合優(yōu)化聚類方法由于受到初始化參數(shù)影響，很難達(dá)到全局最優(yōu)。針對這種不足，引進(jìn)改進(jìn)的人工魚群算法，提出基于人工魚群的K中心組合優(yōu)化聚類算法，給出魚群編碼以及食物濃度函數(shù)的設(shè)計(jì)，該算法以食物源作為聚類中心，自適應(yīng)的丟棄不可行解，以人工魚位置信息作為聚類結(jié)果，通過實(shí)驗(yàn)證明改進(jìn)的魚群算法在求解問題上展現(xiàn)出良好的自適應(yīng)能力克服了陷入局部極值的問題，最后在UCI數(shù)據(jù)集上的對比實(shí)驗(yàn)顯示本設(shè)計(jì)有