基于模糊集的蟻群聚類算法研究.pdf

1、隨著信息科學(xué)的飛速發(fā)展，獲取和存儲海量數(shù)據(jù)已不是什么難事，但面臨如此海量數(shù)據(jù)，若不加分析和處理，它們可能沒有任何意義。因此，“數(shù)據(jù)爆炸與知識貧乏”的局面促使了數(shù)據(jù)挖掘領(lǐng)域的飛速發(fā)展。聚類分析是數(shù)據(jù)挖掘中的一個重要分支，也是國內(nèi)外學(xué)者研究的熱點。群體智能作為一個新興領(lǐng)域，自從20世紀(jì)80年代出現(xiàn)以來，也引起了多個學(xué)科領(lǐng)域研究人員的關(guān)注。其中的典型算法——蟻群聚類算法，也為聚類分析提供了一個良好的算法。 本文首先回顧了聚類分析的概念

2、、分類和方法；然后介紹了模糊集的相關(guān)概念以及模糊聚類算法；其次研究了群體智能研究現(xiàn)狀及典型算法，包括蟻群算法、蟻群聚類算法和微粒群優(yōu)化算法的主要思想、描述和分析；最后重點對蟻群聚類算法進(jìn)行了研究，并發(fā)現(xiàn)基本模型和LF算法存在一些缺陷，會導(dǎo)致不相似的數(shù)據(jù)對象本該被拾起而可能未被拾起，相似的數(shù)據(jù)對象本該被放下而可能未被放下的情況，從而影響聚類的效果。針對這一缺陷，并注意到“相似”本身是一個模糊概念，本文提出用模糊集理論相關(guān)知識來解決：首先定

3、義了平均距離，其次基于平均距離定義了“相似”這一模糊子集的隸屬度函數(shù)，最終數(shù)據(jù)對象的拾起或放下由隸屬度與置信水平λ相比較來決定。最后，改進(jìn)算法通過編程實現(xiàn)，通過測試證明了改進(jìn)算法的優(yōu)越性。 總的來說，改進(jìn)算法具有如下優(yōu)點：首先減少了LF算法中的參數(shù)數(shù)量，而且新參數(shù)λ的含義更加直觀。其次，由于每次循環(huán)中不用計算拾起概率與放下概率，因此減少了計算量，也更接近于智能生物的思維過程。最后，改進(jìn)算法對選取相似性參數(shù)α的敏感程度有所降低。