基于人工鱼群的k中心组合优化聚类算法研究

《基于人工鱼群的k中心组合优化聚类算法研究》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、万方数据论文题目：茎王△三鱼登塑鉴史!堂塑佥垡丝壅耋篁鲨研究指导教师：协助指踟：田琳奎壅兰墼堡单位：鎏塑盔堂论文错日期：2014年12月22日学位授予单位：沈阳大学万方数据AMaster’sThesisinInformationEngineeringResearchonK-CenterCombinationOptimizationClusteringAlgorithmbasedonArtificialFishSwarmCandidate：TianLi。nSupervisor：ProfessorLiYanpingSchoolofInformationE

2、ngineeringShenyangUniversityDecember22,2014万方数据独创性说明本人郑重声明：所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得沈阳大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。"7join,h、-b--2f本人完全了解沈阳大学有关保留、使用学位论文的规定，即：学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校

3、可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文。签名：—壹址导师签每乡钽日期：三丛坠呓万方数据摘要聚类分析就是在没有任何先验知识的前提下，将数据集划分为多个类，这种分类方式可以筛选出区分不同类别的有用特征，在知识分类和信息发现中有巨大作用。对聚类方法和群智能算法进行研究后，发现运用群智能技术解决聚类问题非常有效，因此本文提出基于人工鱼群的K中心组合优化聚类算法，本文研究成果如下：(1)研究已有的聚类方法基础上，提出基于组合优化思想的K中心组合优化聚类方法，构造组合函数和基于组合函数的准则函数，以组合函数进行约束，使聚类准则函数

4、得到最优值，在此基础上引入属性权值和动态类中心的思想，并给出了完整的聚类模型设计，通过应用分析得知此方法对处理大数据集是高效的。(2)在研究了基本人工鱼群算法之后．针对该算法收敛速度慢、寻优精度不高等问题，本文提出了一种改进的人工鱼群算法，重新设定人工鱼视野阂值。对人工鱼的觅食行为引入状态增量，在聚群和追尾行为中改进了拥挤度因子，并且引入了衰减因子约束步长，最后通过Matlab仿真，验证了改进的算法的在稳定性、收敛速度、正确率方面都有提高。(3)通过研究发现K中心组合优化聚类方法由于受到初始化参数影响，很难达到全局最优。针对这种不足，引进改进的人工鱼

5、群算法，提出基于人工鱼群的K中心组合优化聚类算法，给出鱼群编码以及食物浓度函数的设计，该算法以食物源作为聚类中心，自适应的丢弃不可行解，以人工鱼位置信息作为聚类结果，通过实验证明改进的鱼群算法在求解问题上展现出良好的自适应能力克服了陷入局部极值的问题，最后在UCI数据集上的对比实验显示本设计有更好的正确率和聚类效果。关t词：聚类分析，K中心组合优化。群体■鼍，人工刍并算法，全局量优万方数据沈阳大学硕士学位论文Ⅱ万方数据ResearchonK-CenterCombinationOptimizationClusteringAlgorithmbasedon

6、ArtificialFishSwarmAbstractThedatasetsaredividedintosimilarclassesbyClusterAnalysiswithoutanypriorknowledge，theusefulcharacteristicsCanbeselectedtodistinguishthedifferentgroups,ClusterAnalysisplaysasignificantroleinknowledgeclassificationandinformationdiscovery．Afterresearching

7、theclusteringmethodsandswal'inintelligencealgorithm，itisfoundthatusingswarmintelligencetechnologytosolveclusteringproblemisveryeffective，SOK-centercombinationoptimizationclusteringalgorithmbasedonartificialfishswarmisproposedbythispaper,theresearchresults眦asfollows：(1)Basedonst

8、udyofpreviousclusteringmethod，K-centercombinationoptim