智能算法在聚类分析中的应用研究

发布时间：2017-04-30 18:09

  本文关键词：智能算法在聚类分析中的应用研究，由笔耕文化传播整理发布。

【摘要】：智能算法是模拟自然界中生物繁殖、觅食、筑巢等行为来求解复杂优化问题的方法,其凭借简单的迭代过程、高效的求解效率、优良的算法性能得到了国内外学者的广泛关注。聚类就是将零散的数据矢量按照某种聚类规则进行聚集,使同一类别的数据聚为一组,最终得到若干个不同分组的过程。在现实生活的各个领域聚类都有着普遍的应用。为了应对不同的聚类问题,研究者们研发出了多种可行算法。然而大规模复杂数据集的出现对聚类技术提出了更高的要求,它要求聚类分析算法具有可伸缩性、能处理不同类型数据、有处理高维数据的能力等。面对这些问题与要求,将传统聚类算法与其他技术结合,进一步提高聚类性能已经成为当前研究的一种趋势。本文主要针对智能算法在聚类问题中的应用进行研究。首先,为了增强算法的全局搜索能力、加快算法的收敛速度、提高算法的求解精度,对传统智能算法进行了改进;其次,将改进后的智能算法与经典的k-means聚类算法进行融合;然后,将融合算法运用于求解聚类问题当中;最后,进行了实验验证和聚类结果分析。通过在经典测试实例上的实验结果表明,求解聚类问题时,本文提出的智能算法与传统的聚类算法相比,在某些情况下具有更优的性能。本文的主要工作如下:(1)对粒子群算法进行改进,提出惯性权重递增的粒子群算法,缓解了最优值过快收敛易陷入局部最优的情况,增强了粒子群算法的全局搜索能力。(2)对引力搜索算法进行改进,将粒子群算法中向最优解学习的思想引入到引力搜索算法中,提出加速学习的引力搜索算法,加快了算法的收敛速度,提高了算法的求解精度。(3)分别将改进的上述两种算法、细菌觅食算法与k-means算法进行融合,应用于聚类问题当中。
【关键词】：智能算法 聚类 粒子群算法 引力搜索算法 细菌觅食算法
【学位授予单位】：河北地质大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TP311.13
【目录】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 绪论8-12
• 1.1 引言8-9
• 1.2 国内外研究现状9-10
• 1.2.1 聚类算法研究现状9-10
• 1.2.2 智能算法研究现状10
• 1.3 本文的主要工作及安排10-12
• 第二章 聚类分析12-22
• 2.1 聚类分析的概念12
• 2.2 聚类算法的性能指标12-13
• 2.3 聚类算法的分类13-15
• 2.4 k-means聚类算法15-22
• 2.4.1 k-means算法的基本思想15
• 2.4.2 k-means算法的过程描述15-17
• 2.4.3 k-means算法的仿真实验17-22
• 第三章 惯性权重递增的粒子群聚类分析方法22-34
• 3.1 粒子群算法22-23
• 3.1.1 算法基本思想22
• 3.1.2 算法过程描述22-23
• 3.2 粒子群算法的改进23-25
• 3.3 惯性权重递增的粒子群算法在聚类分析中的应用25-30
• 3.4 实验结果与分析30-34
• 第四章 加速学习的引力搜索聚类分析方法34-44
• 4.1 引力搜索算法综述34-36
• 4.1.1 算法基本思想34
• 4.1.2 算法过程描述34-36
• 4.2 引力搜索算法改进36-39
• 4.3 加速学习的引力搜索算法在聚类分析中的应用39-41
• 4.4 实验结果与分析41-44
• 第五章 细菌觅食聚类分析方法44-54
• 5.1 细菌觅食算法综述44-48
• 5.1.1 基本思想及其来源44
• 5.1.2 算法过程描述44-48
• 5.2 细菌觅食算法在聚类分析中的应用48-50
• 5.3 实验结果与分析50-54
• 第六章 结论54-56
• 参考文献56-60
• 致谢60-62
• 作者简介62
• 攻读硕士学位期间发表的论文和科研成果62

【相似文献】

中国期刊全文数据库 前10条

1 邹汪平;;一种基于网络安全控制的蜂群算法应用研究[J];吉林师范大学学报(自然科学版);2013年04期

2 李向伟;曹博;;时间参数在HITS算法中的应用及改进[J];兰州工业高等专科学校学报;2006年02期

3 吴涛;彭笃学;;一种改进的直线段裁剪算法[J];湛江师范学院学报;2008年03期

4 张瑞子;南琳;胡琨元;田景贺;;基于EPC Class-1 Gen-2标准的防冲突算法与改进[J];计算机工程;2009年02期

5 黄超;周宁;倪佑生;;基于蚁群算法的攻击图分析[J];计算机工程;2009年18期

6 秦永彬;许道云;;警示传播算法的原理分析及算法改进[J];计算机工程与应用;2010年19期

7 郭毅可;韩锐;;云计算中的弹性算法:概要和展望[J];上海大学学报(自然科学版);2013年01期

8 牛玉静;唐棣;;双步圆的反走样生成算法[J];计算机工程与应用;2010年23期

9 肖璞;;XML索引更新算法的改进[J];南京工程学院学报(自然科学版);2010年03期

10 周骏;陈鸣;张佳明;;两类频繁项算法在网络流上的适用性评估[J];计算机工程;2011年16期

中国重要会议论文全文数据库 前10条

1 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会——2004年学术年会论文集[C];2004年

2 黄纪武;毛泽华;李松涛;张锦雄;;SPMD并行查找算法的MPI实现[A];广西计算机学会2004年学术年会论文集[C];2004年

3 符丽锦;覃华;邓海;孙欣;;一种改进的Apriori算法的研究[A];广西计算机学会2012年学术年会论文集[C];2012年

4 王东锋;王军民;陈英武;;模糊定性仿真理论研究与算法实现[A];'2000系统仿真技术及其应用学术交流会论文集[C];2000年

5 赵唯;;晶粒度评级的改进算法[A];中国图象图形科学技术新进展——第九届全国图象图形科技大会论文集[C];1998年

6 刘启文;;可扩展的图形学算法演示系统的研究[A];’2004计算机应用技术交流会议论文集[C];2004年

7 佘智;蒋泰;朱延生;;基于Type C协议的防冲突改进算法[A];广西计算机学会25周年纪念会暨2011年学术年会论文集[C];2011年

8 朱绍文;赵培;朱秋云;;基于pSPADE并行挖掘序列算法的研究[A];2003年中国智能自动化会议论文集（下册）[C];2003年

9 杨霞;;新的基于启发式蚁群算法的QoS路由算法[A];广西计算机学会2009年年会论文集[C];2009年

10 陈黎飞;姜青山;董槐林;;基于图形轮廓的快速聚类算法[A];第二十三届中国数据库学术会议论文集（研究报告篇）[C];2006年

中国博士学位论文全文数据库 前10条

1 钟永腾;基于近场MUSIC算法的复合材料结构健康监测研究[D];南京航空航天大学;2014年

2 刘燕;入侵杂草优化算法在阵列天线综合中的应用[D];西安电子科技大学;2015年

3 苗义烽;突发事件下的列车运行调度模型与算法研究[D];中国铁道科学研究院;2015年

4 单美静;求解非线性实代数系统的混合算法研究[D];华东师范大学;2008年

5 邱剑锋;人工蜂群算法的改进方法与收敛性理论的研究[D];安徽大学;2014年

6 潘磊;若干社区发现算法研究[D];南京大学;2014年

7 陈俊波;频繁闭合项集挖掘算法及应用研究[D];浙江大学;2009年

8 陆楠;关联规则的挖掘及其算法的研究[D];吉林大学;2007年

9 范洪博;快速精确字符串匹配算法研究[D];哈尔滨工程大学;2011年

10 寇晓丽;群智能算法及其应用研究[D];西安电子科技大学;2009年

中国硕士学位论文全文数据库 前10条

1 安世勇;命题逻辑中随机3-SAT问题算法研究[D];西南交通大学;2015年

2 毕晓庆;油气探矿权竞争性出让系统设计与实现[D];中国地质大学(北京);2015年

3 王明明;铁路大机与线路固定设施间距检测算法研究[D];西南交通大学;2015年

4 李静;基于视频图像序列的运动目标检测与跟踪算法研究[D];宁夏大学;2015年

5 刘贝玲;基于天地图的租房平台开发及其关键技术研究[D];西南交通大学;2015年

6 曹海锋;IDS中串匹配臭算法并行优化研究[D];西安建筑科技大学;2015年

7 周攀;基于蚁群算法的山区高速铁路隧道火灾应急疏散最优路径研究[D];西南交通大学;2015年

8 张路奇;基于改进蚁群算法的WSN路由协议的研究[D];中国地质大学(北京);2015年

9 王晓晨;入侵杂草优化算法的应用与改进[D];长安大学;2015年

10 信琴琴;手势控制和识别算法研究[D];闽南师范大学;2015年

  本文关键词：智能算法在聚类分析中的应用研究，，由笔耕文化传播整理发布。

本文编号：337358