K m eans算法与群体智能算法（PSO）融合的研究与应用

发布时间：2021-01-25 20:40

　　数据挖掘是目前人工智能和数据库领域研究的关键技术之一,如何从海量信息中快速而有效的分析出用户所需要的信息已成为数据挖掘的研究重点。聚类分析是数据挖掘中国内外众多学者关注的焦点,而具有简单、高效、适用于高维复杂数据等优点的聚类算法也成为了聚类分析的研究重点。因此,本文提出一种与群体智能算法融合的K_means聚类算法,提高了聚类质量和精度。具体研究工作如下:（1）针对数据中各个属性对于最终聚类结果的影响,提出一种改进的特征加权算法。改进算法通过采用信息熵和ReliefF算法对特征进行加权选择,使算法达到更准确、更有效的聚类效果。实验结果表明,与传统的K_means算法相比,改进后的算法聚类结果稳定,聚类的精度有明显提升。（2）将改进的K_means算法与粒子群算法进行融合,提出一种基于粒子群算法的K_means混合聚类算法。利用粒子群算法的全局寻优能力,得到全局最优解作为K_means算法的初始聚类中心,解决了 K_means算法聚类结果易受初始值影响的问题,从而提高聚... 

【文章来源】：内蒙古农业大学内蒙古自治区

【文章页数】：45 页

【学位级别】：硕士

【部分图文】：

图１聚类过程图??Ｆｉｇ．?１?Ｃｌｕｓｔｅｒｉｎｇ?ｐｒｏｃｅｓｓ?ｃｈａｒｔ??

图３粒子移动示意图??Ｆｉｇ．３?Ｓｃｈｅｍａｔｉｃ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｍｏｖｅｍｅｎｔ??

图４粒子群算法流程图??Ｆｉｇ．４?ＰＳＯ?Ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??

【参考文献】：
期刊论文
[1]基于Matlab和粒子群算法的磨矿技术效率预测模型[J]. 周文涛,韩跃新,李艳军,杨金林.  东北大学学报(自然科学版). 2019(04)
[2]优化正交匹配追踪和短时谱估计用于声音识别[J]. 陈秋菊,徐建国.  计算机工程与应用. 2020(07)
[3]一种基于谱聚类算法的高光谱遥感图像分类方法[J]. 杨随心,耿修瑞,杨炜暾,赵永超,卢晓军.  中国科学院大学学报. 2019(02)
[4]基于回溯蚁群-粒子群混合算法的多点路径规划[J]. 刘丽珏,罗舒宁,高琰,陈美妃.  通信学报. 2019(02)
[5]基于PSO优化BP神经网络的话题趋势预测[J]. 马晓宁,王惠.  计算机工程与设计. 2018(09)
[6]群体智能优化算法[J]. 程适,王锐,伍国华,郭一楠,马连博,史玉回.  郑州大学学报(工学版). 2018(06)
[7]K-means算法研究综述[J]. 丛思安,王星星.  电子技术与软件工程. 2018(17)
[8]改进的K-means融合微粒群优化的基因选择方法[J]. 杜洪波,白阿珍,朱立军.  沈阳工程学院学报(自然科学版). 2018(01)
[9]一种改进量子行为粒子群优化算法的移动机器人路径规划[J]. 刘洁,赵海芳,周德廉.  计算机科学. 2017(S2)
[10]基于Hadoop平台的K-means算法优化综述[J]. 孟佳伟,孙红.  软件导刊. 2017(06)

硕士论文
[1]基于优化混合智能算法的云计算任务调度策略研究[D]. 赵莎莎.内蒙古农业大学 2018
[2]相关性加权K-means算法的改进及其应用[D]. 吴斌.江西理工大学 2018
[3]K-means聚类算法的改进研究[D]. 宋建林.安徽大学 2016
[4]优化粒子群和蚁群算法的云计算任务调度研究[D]. 查安民.南京航空航天大学 2016
[5]K-means算法的改进及其在云任务分配策略中的应用研究[D]. 孙雪莹.内蒙古农业大学 2014
[6]基于数据挖掘的酒店CRM客户获取的研究[D]. 易珺.广东工业大学 2005



本文编号：2999860