基于改进粒子群的k均值聚类算法研究

《基于改进粒子群的k均值聚类算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、万方数据学校代号：10536学号：11108010845密级：公开基于改进粒子群的K均值聚类算法研究学位申请^姓名迕竣瑾培养单位让簋±蝮通信媸瞳导9撇及职称幽越学科专!世垂瞄信息丕统研究方向蟹自皂信息处理拉本论文提交日期2Q!垒生垒目论文答辩日期垫!垒生5且答辩委员会主席墨釜嘉佳趱万方数据ResearchonK-meansClusteringBasedonImprovedParticleSwarmOptimizationAlgorithmbyXUJunweiB．E．(ChangshaUniversityofScience＆Technology)2011Athesissubmittedinpa

2、r￡ialsatisfactionoftheRequirementsforthedegreeofChangshaUniversityofScience＆TechnologySupervisorProfessorXuWeihong万方数据长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者虢龆协午吼山蛑名月6日学位论文版权使用授权书本学位论文作

3、者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。本学位论文属于1、保密口，在年解密后适用本授权书。2、不保密d。(请在以上相应方框内打“V”)作者签名：坯辗。々日期：必凇年‘月<日导师签名：乏日期：j衅6月么日万方数据摘要聚类分析作为信息处理技术领域中的重要组成部分，已经广泛应用于

4、模式识别、图像处理、数据分析等许多领域。K均值聚类算法是聚类分析中常用的—种聚类算法，该算法原理简单、容易实现，但易于陷入局部最优点且对初始中心比铰敏感。为克服该缺点，本文对粒子群作了改进，并提出了两种改进的聚类算法：(1)为解决传统K均值算法对初始化敏感的问题，本文提出了基于波动控制的改进粒子群和K均值的混合聚类算法。该算法首先采用K均值将粒子群进行分类，形成多个聚类域；然后选择最优的聚类域用于生成疫苗，并在粒子更新过程中采用疫苗接科朝席蚌口免疫选择机制提高粒子的多样性。当粒子群的波动幅度小于设置的阀值时，采用K均值豸孚等辫趱寄氲算法的收敛精度。仿真实验表明，和其他算法相比，该算法的正确率

5、更高。(2)为解决K均值算法极易陷入局部最优的缺陷，本文提出了基于扰动策略的免疫粒子群聚类算法。当个体极值和全局极值连续停滞代数超过所设置的阀值时，算法通过引入扰动算子改变粒子群的运动方向，提高粒子的遍历性，从而提高了算法的收敛效果。仿真实验表明，与其他较新的算法相比，该算法具有较高的正确率和较好的稳定性。万方数据ABSTRACTClusteranalysisasallimportantpartofinformationprocessingte‰lo雹mlasbeenusedinpattemrecognition,imageprocessing,dataanalysisandothersfi

6、elds．K-meansclusteringalgorithmiscommonlyusedinclusteranalysis,thealgorithmisshpleandeasytoimplement．However,it'sliabletotrapinalocaloptimumandsensitivetothe删center．Inordertoovercometheshortcoming,thispapermodifiesparticleswarmoptimizationalgoriflmaandproposestwooptimizedclusteringalgorithms：(1)For

7、thepurposeoffMnginitializationsensitiveissueoftheK-meansalgorithm,thispaperproposesahybridclusteringalgoriffmabasedonmodifiedparticlesvqallTIop"mnizationandk-meansclustering．ThenewclusteringalgorithmusesK-m