收藏本站
《山东师范大学》 2010年
收藏 | 手机打开
二维码
手机客户端打开本文

基于群体智能的聚类分析

曲建华  
【摘要】:聚类是分析数据并从中发现有用信息的一种有效手段。聚类可以将对象数据分组成为若干个簇,使同一个簇中的对象之间的相似度较高,而不同簇中的对象之间差别很大。通过聚类,可以发现全局的分布模式以及数据属性之间有趣的相互关系。近几年来,聚类技术已经成为数据挖掘的主要方法之一。 群体智能是一种新兴演化计算技术,用于数据分析时,会继承生物系统良好的处理机制和特征。它与人工生命,特别是进化策略和遗传算法有着极为特殊的联系,已完成的理论和应用研究表明群体智能方法是一种能够有效解决大多数全局优化问题的新方法。 本论文主要是针对群体智能的特点,以传统的聚类分析问题为主要研究对象,对蚁群优化算法、粒子群优化算法的理论进行了研究和算法改进,并利用改进的算法来解决聚类分析问题。研究表明,基于群体智能优化的聚类分析方法收敛速度快、适应性强,比一般的聚类分析方法能更好地揭示数据之间的相关性,为提高数据聚类的质量和效率提供了有利保障。 主要研究内容如下: 1对蚁群聚类算法的参数设置、适应度函数进行了改进,引入了多主体的思想,提出了改进的多主体的蚂蚁聚类算法,并对算法的相似度函数和时间复杂性进行了分析。在算法中,一个主体蚂蚁代表一个数据对象,根据它与邻域空间中的主体蚂蚁的相似度函数和转换概率函数来确定下一个移动位置,同时依照聚类规则集合动态更新其类号。主体蚂蚁的移动使得它与邻域内的对象相互影响、相互作用,仅利用少量的局部邻域信息,经过一定次数的迭代后就可以较快较好的形成聚类。实验表明多主体的蚂蚁聚类算法具有较快的搜索速度,其聚类结果明显优于改进的K-Means聚类算法。 2在介绍分析粒子群优化算法的基础上,吸收并借鉴当前的研究成果,提出了一种多种群协同进化的混合粒子群聚类算法。将协同进化思想引入粒子群聚类算法中。将整个种群分解为多个子种群,各子种群独立进化,间隔一定迭代次数后,实施子种群之间的信息交换:将一个子种群中的最好解发送至相邻子种群,取代其中适应值最差的粒子。算法充分利用了PSO全局寻优的优点和K-means局部寻优的特点,在找到最优划分的同时使得划分结果更精确。算法能够自动确定聚类数目,且聚类结果不受初始聚类中心的影响。通过以上的改进提高算法的性能。 3为使聚类算法的结果更具有实际意义,提出了基于距离对称性的PSO聚类算法,用于对有对称性的数据集的聚类划分。在介绍了距离对称性的相关概念后,给出了基于距离对称性的相似度函数,在此基础上,提出了基于距离对称性的粒子群聚类算法。最后通过实验用不同的方法对四组数据集分别进行了测试。实验结果说明了算法的有效性,充分考虑到了对称性对聚类结果的影响,使得聚类结果更具有实际意义。 本研究的主要创新点归纳如下: 1提出一种多主体的改进的蚂蚁聚类算法,并对算法的相似度函数和算法复杂度进行了分析。在算法中引入多主体概念,提出了蚂蚁聚类的规则,对相似度函数的计算公式进行了改进和分析,另外在参数的选择和设置上也做了部分改进。通过该算法不仅可以提高聚类速度,同时会得到较好的聚类划分结果。 2提出一种协同进化的混合粒子群聚类算法。主要是将多种群协同进化的思想引入粒子群聚类分析中,将PSO算法的随机搜索策略和K-means方法的局部优化能力有效结合起来。算法能够自动确定聚类数目,并且聚类结果不受初始聚类中心的影响。和其它算法相比,算法收敛速度有所提高,在聚类精度上也有很大的改善。 3提出了基于距离对称性的粒子群聚类算法。该算法引入了距离对称性和基于距离对称性的适应度函数,能够发现传统聚类算法难以发现的一些特殊形状的聚类。特别是在对具有对称点的数据集进行聚类时,会使得聚类结果更具有实际意义。
【学位授予单位】:山东师范大学
【学位级别】:博士
【学位授予年份】:2010
【分类号】:TP311.13

【参考文献】
中国期刊全文数据库 前10条
1 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期
2 王志刚,杨丽徙,陈根永;基于蚁群算法的配电网网架优化规划方法[J];电力系统及其自动化学报;2002年06期
3 高海兵,高亮,周驰,喻道远;基于粒子群优化的神经网络训练算法研究[J];电子学报;2004年09期
4 高尚;杨静宇;;一种新的基于粒子群算法的聚类方法[J];南京航空航天大学学报;2006年S1期
5 张纪会,高齐圣,徐心和;自适应蚁群算法[J];控制理论与应用;2000年01期
6 张建华;江贺;张宪超;;蚁群聚类算法综述[J];计算机工程与应用;2006年16期
7 杨俊杰,周建中,喻菁,吴玮;基于混沌搜索的粒子群优化算法[J];计算机工程与应用;2005年16期
8 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期
9 丁建立,陈增强,袁著祉;遗传算法与蚂蚁算法的融合[J];计算机研究与发展;2003年09期
10 窦全胜,周春光,马铭;粒子群优化的两种改进策略[J];计算机研究与发展;2005年05期
中国博士学位论文全文数据库 前5条
1 刘君强;海量数据挖掘技术研究[D];浙江大学;2003年
2 王莉;数据挖掘中聚类方法的研究[D];天津大学;2004年
3 牛琨;聚类分析中若干关键技术及其在电信领域的应用研究[D];北京邮电大学;2007年
4 张雪萍;基于群集智能的带约束条件空间聚类分析研究[D];解放军信息工程大学;2007年
5 冯永;基于计算智能的聚类技术及其应用研究[D];重庆大学;2006年
中国硕士学位论文全文数据库 前2条
1 王伟伟;基于群体智能的关联规则挖掘及应用[D];山东师范大学;2007年
2 何虎翼;聚类算法及其应用研究[D];上海交通大学;2007年
【共引文献】
中国期刊全文数据库 前10条
1 莫海芳,王江晴;一种改进的求解TSP问题的演化算法[J];中南民族大学学报(自然科学版);2003年01期
2 赵秋玲,张奇志,戈新生;非完整运动规划的粒子群优化算法[J];北京机械工业学院学报;2005年02期
3 李栋;曹义华;苏媛;冯婷;;基于改进蚁群算法的低空突防航迹规划[J];北京航空航天大学学报;2006年03期
4 许剑;吕志民;徐金梧;;带有侦察子群的蚁群系统[J];北京科技大学学报;2006年08期
5 张国英,沙云,刘旭红,刘玉树;高维云模型及其在多属性评价中的应用[J];北京理工大学学报;2004年12期
6 陈云飞,刘玉树,钱越英,赵基海;一种基于密度的启发性群体智能聚类算法[J];北京理工大学学报;2005年01期
7 陈云飞,刘玉树,范洁,赵基海;广义分配问题的一种小生境遗传蚁群优化算法[J];北京理工大学学报;2005年06期
8 郑岩,黄荣怀,战晓苏,周春光;基于遗传算法的动态模糊聚类[J];北京邮电大学学报;2005年01期
9 李彬;毛一之;李新;;改进蚂蚁算法在电力变压器优化设计中的应用[J];变压器;2006年03期
10 刘淳安,陈一虎;基于带变异算子的粒子群优化算法[J];重庆工学院学报;2005年08期
中国重要会议论文全文数据库 前10条
1 刘晓平;唐益明;郑利平;;复杂系统仿真对复杂系统研究与创新的意义[A];节能环保 和谐发展——2007中国科协年会论文集(一)[C];2007年
2 赵磊;黄道;;基于蚁群算法的化工过程故障诊断[A];2006北京地区高校研究生学术交流会——通信与信息技术会议论文集(下)[C];2006年
3 王云;董增寿;卓东风;;基于图像纹理和结构特征的燃烧指数的高温低氧火焰燃烧稳定性识别[A];2007北京地区高校研究生学术交流会通信与信息技术会议论文集(上册)[C];2008年
4 饶鲜;李斌;杨绍全;;用核聚类法进行异常检测[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年
5 支成秀;梁正友;;融合粒子群优化算法与蚁群算法的随机搜索算法[A];广西计算机学会2006年年会论文集[C];2006年
6 白明;李建勇;;基于改进蚁群算法的FMS工艺路线优化配置[A];先进制造技术论坛暨第二届制造业自动化与信息化技术交流会论文集[C];2003年
7 宁国忠;颜学峰;钱锋;;基于粒子群算法的神经网络学习方案设计及其在4-CBA建模中的应用[A];上海市化学化工学会2006年度学术年会论文摘要集[C];2006年
8 忻斌健;吴启迪;;蚁群算法的研究现状及其应用[A];2001中国控制与决策学术年会论文集[C];2001年
9 李作洲;朱义胜;;基于蚁群优化的CDMA下行链路突发数据准入控制[A];2004中国控制与决策学术年会论文集[C];2004年
10 白瑞林;王利峰;;一种基于共享法的改进型粒子群优化算法[A];2005中国控制与决策学术年会论文集(上)[C];2005年
中国博士学位论文全文数据库 前10条
1 崔颖;层叠滤波器优化设计及算法研究[D];哈尔滨工程大学;2006年
2 叶彬;混合智能建模技术及其在短期负荷预测中的应用研究[D];浙江大学;2006年
3 唐世浩;地表参量遥感反演理论与方法研究[D];北京师范大学;2001年
4 张兵;化工动态优化方法的研究与应用[D];浙江大学;2005年
5 李守巨;基于计算智能的岩土力学模型参数反演方法及其工程应用[D];大连理工大学;2004年
6 张道强;基于核的联想记忆及聚类算法的研究与应用[D];南京航空航天大学;2005年
7 周干民;NoC基础研究[D];合肥工业大学;2005年
8 潘志松;基于神经网络的入侵检测研究[D];南京航空航天大学;2003年
9 李艳君;拟生态系统算法及其在工业过程控制中的应用[D];浙江大学;2001年
10 陈昌富;仿生算法及其在边坡和基坑工程中的应用[D];湖南大学;2001年
中国硕士学位论文全文数据库 前10条
1 童春月;双旋翼系统的PID参数整定与神经网络辨识[D];华中科技大学;2005年
2 李冰;基于多神经网络集成的手写体字符识别[D];华中科技大学;2005年
3 李果;大规模定制产品快速成本估算方法研究[D];湖南大学;2005年
4 彭沛夫;遗传融合的自适应蚁群算法最优PID控制研究[D];湖南大学;2005年
5 张永华;基于蚁群算法的给水管网改扩建研究[D];浙江大学;2006年
6 成国亚;基于蚁群算法的配电网无功电源规划[D];河海大学;2006年
7 冯骏;改进粒子群算法研究及其在网络路由中的应用[D];河海大学;2006年
8 张国彬;小波神经网络算法的改进与应用[D];福州大学;2006年
9 雒雪芳;基于进化计算的软件过程优化与成本估算研究[D];西北工业大学;2006年
10 郑欢;自动化立体仓库路径优化问题研究[D];吉林大学;2006年
【同被引文献】
中国博士学位论文全文数据库 前1条
1 杨小兵;聚类分析中若干关键技术的研究[D];浙江大学;2005年
中国硕士学位论文全文数据库 前2条
1 王鑫;数据挖掘中聚类分析算法的研究[D];山东师范大学;2006年
2 罗增琦;一个改进的蚁群聚类优化算法及其仿真实验研究[D];华中科技大学;2006年
【二级参考文献】
中国期刊全文数据库 前10条
1 黄聪明,陈湘秀;小生境遗传算法的改进[J];北京理工大学学报;2004年08期
2 廖里,余英泽,吴渝,聂能;数据挖掘和数据仓库及其在电信业中的应用[J];重庆邮电学院学报(自然科学版);2000年04期
3 龙云,王建全;基于粒子群游算法的同步发电机参数辨识[J];大电机技术;2003年01期
4 行小帅,焦李成;数据挖掘的聚类方法[J];电路与系统学报;2003年01期
5 王志刚,杨丽徙,陈根永;基于蚁群算法的配电网网架优化规划方法[J];电力系统及其自动化学报;2002年06期
6 陈淑燕,王炜;交通量的灰色神经网络预测方法[J];东南大学学报(自然科学版);2004年04期
7 郝晋,石立宝,周家启,徐国禹;基于蚁群优化算法的机组最优投入[J];电网技术;2002年11期
8 康庆平,周雷;一个实用的配电网优化规划方法[J];电网技术;1994年06期
9 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期
10 刘静,钟伟才,刘芳,焦李成;免疫进化聚类算法[J];电子学报;2001年S1期
中国博士学位论文全文数据库 前7条
1 张保稳;时间序列数据挖掘研究[D];西北工业大学;2002年
2 雷景生;神经网络的分类、聚类功能及其规则抽取研究[D];新疆大学;2003年
3 周海燕;空间数据挖掘的研究[D];中国人民解放军信息工程大学;2003年
4 杨春成;空间数据挖掘中聚类分析算法的研究[D];解放军信息工程大学;2004年
5 钟将;基于人工免疫的入侵分析技术研究[D];重庆大学;2005年
6 杨小兵;聚类分析中若干关键技术的研究[D];浙江大学;2005年
7 李仁璞;分类数据挖掘中若干基本问题的研究[D];天津大学;2003年
中国硕士学位论文全文数据库 前5条
1 张宏烈;移动机器人全局路径规划的研究[D];哈尔滨工程大学;2002年
2 刘和周;改进的进化蚁群算法在超深亚微米VLSI电路绕障布线问题中的应用[D];电子科技大学;2003年
3 王冬梅;群集智能优化算法的研究[D];武汉科技大学;2004年
4 陈红洲;群体智能若干算法研究[D];哈尔滨工程大学;2004年
5 杜安红;障碍环境中路径规划算法研究[D];中国地质大学;2004年
【相似文献】
中国期刊全文数据库 前10条
1 刘弘;王静莲;;微粒群优化算法在协同建筑设计中的应用[J];通信学报;2006年11期
2 赵会洋;王爽;杨志鹏;;粒子群优化算法研究综述[J];福建电脑;2007年03期
3 何妮;吴燕仙;;粒子群优化算法的研究[J];科技信息(科学教研);2008年06期
4 蒋玖川;夏正友;;基于群体智能的Agent策略控制机制[J];微计算机信息;2009年16期
5 李炳宇,萧蕴诗,汪镭;一种求解高维复杂函数优化问题的混合粒子群优化算法[J];信息与控制;2004年01期
6 艾文国,李辉,孙洁;多准则群体智能决策支持系统案例推理模型研究[J];哈尔滨工业大学学报;2004年06期
7 汪镭,康琦,吴启迪;群体智能算法总体模式的形式化研究[J];信息与控制;2004年06期
8 范娜;云庆夏;;粒子群优化算法及其应用[J];信息技术;2006年01期
9 王万良;唐宇;;微粒群算法的研究现状与展望[J];浙江工业大学学报;2007年02期
10 史海军;王志刚;郭广寒;;引入变异算子的粒子群优化算法[J];长春理工大学学报(自然科学版);2007年03期
中国重要会议论文全文数据库 前10条
1 高翠芳;吴小俊;;基于二阶差分的聚类数自动确定方法[A];江苏省系统工程学会第十一届学术年会论文集[C];2009年
2 安静;康琦;汪镭;吴启迪;;群体智能及其在BPR中的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年
3 刘建华;;一个智能搜索引擎的用户行为聚类分析[A];第一届全国Web信息系统及其应用会议(WISA2004)论文集[C];2004年
4 杨青;刘晔;张东旭;刘畅;;快速查找最优初始聚类数K的改进K-means算法[A];中国自动化学会控制理论专业委员会A卷[C];2011年
5 孙长银;冯纯伯;夏良正;;群体智能——最优化技术的一种新的有效实现模式[A];全国自动化新技术学术交流会会议论文集(一)[C];2005年
6 徐俊杰;忻展红;;粒子群优化在0/1背包问题中的应用[A];中国运筹学会第七届学术交流会论文集(上卷)[C];2004年
7 曾建潮;薛颂东;;群机器人系统的建模与仿真[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年
8 康琦;杨东升;汪镭;吴启迪;;半导体封装作业调度的群体智能近似动态优化[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
9 于剑;;聚类有效性与聚类算法的稳定性[A];2003年中国智能自动化会议论文集(下册)[C];2003年
10 安静;康琦;汪镭;吴启迪;;群体智能及其在BPR中的应用[A];先进制造技术论坛暨第三届制造业自动化与信息化技术交流会论文集[C];2004年
中国重要报纸全文数据库 前10条
1 樊 丹 本报记者;让名医智慧在电脑上“复活”[N];中国中医药报;2005年
2 边歆;商务智能:进化与简化[N];网络世界;2007年
3 续九华 胡宝良;现代战争新宠[N];科技日报;2001年
4 黄千凌;Mobile 2.0:随时沟通 创造信息新时代[N];电子资讯时报;2007年
5 彼德·米勒;蚂蚁没有老大[N];云南经济日报;2008年
6 康秋洁;谁也不争道抢行,蚂蚁解拥堵智慧超人[N];新华每日电讯;2008年
7 刘妍;人类可仿效蚂蚁解决交通拥堵难题[N];大众科技报;2008年
8 裘水安;营造酒店文化 增加服务内涵[N];中国旅游报;2002年
9 记者 何边;网络化激活人工智能[N];计算机世界;2001年
10 沉风 中国移动 孙少陵 中国电子学会云计算专委会秘书长 林润华 解放军理工大学教授 刘鹏 宽带资本董事长 田溯宁;云计算:是能力,更是服务[N];人民邮电;2009年
中国博士学位论文全文数据库 前10条
1 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
2 王巧灵;基于群体智能混合优化算法的研究[D];哈尔滨工业大学;2010年
3 王学厚;群体智能优化的计算模式和方法研究与应用[D];华北电力大学;2011年
4 宗瑜;聚类质量改进方法的研究[D];大连理工大学;2010年
5 万淼;基于群智能和随机索引的网络聚类算法研究[D];北京邮电大学;2011年
6 于秀娟;加工过程的质量异常预测与诊断方法研究[D];吉林大学;2011年
7 陈志国;基于群体智能的机器视觉的关键技术研究[D];江南大学;2010年
8 薛晗;不确定规划的群体智能计算[D];国防科学技术大学;2010年
9 潘冠宇;基于粗糙集和群体智能的数据挖掘方法研究[D];吉林大学;2007年
10 张梅凤;人工鱼群智能优化算法的改进及应用研究[D];大连理工大学;2008年
中国硕士学位论文全文数据库 前10条
1 张文斌;群体智能涌现在网络舆情预测中的应用[D];西南交通大学;2011年
2 陈奇明;基于投票策略聚类融合算法的研究和实现[D];安徽工业大学;2010年
3 张丽;基于智能算法的DNA聚类研究及应用[D];山东师范大学;2010年
4 周艳菊;基于多智能体的群体智能决策支持系统生成器框架设计[D];中南大学;2002年
5 刘琼;基于群体智能的聚类算法研究[D];长沙理工大学;2010年
6 赵兴旺;基于信息熵的聚类个数确定方法研究[D];山西大学;2011年
7 赵燕锡;群体智能决策支持系统中数据仓库系统的设计[D];中南大学;2003年
8 赵磊;基于群体智能的分子对接算法研究与实现[D];大连理工大学;2013年
9 梁光;基于群体智能的ABC支持型QoS路由机制的研究与仿真实现[D];东北大学;2008年
10 查丰;引力聚类及其应用研究[D];安徽大学;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026