收藏本站
《重庆大学》 2007年
收藏 | 手机打开
二维码
手机客户端打开本文

改进蚁群算法在聚类分析中的应用研究

卢华玮  
【摘要】: 由信息技术、网络技术的飞速发展所导致的“数据爆炸但知识贫乏”的现象日益严重,应运而生的数据挖掘(Data Mining)技术在这一环境下得到了蓬勃的发展,越来越显示出其强大的生命力。国内主流网站评比的未来十大热门技术中,数据挖掘技术占了一席之地。而且现今世界几大超级公司也早早的投入到数据挖掘技术领域的研究中来了。这其中包括IBM、Microsoft等等。数据挖掘是一个多学科交叉的研究领域,涉及到了数据库技术、人工智能、机器学习、统计学、知识获取、生物计算等等许多跨行业的学科的理论和技术,其发展必将大大地影响全球信息化的进程。因此对数据挖掘技术进行全面的、系统的、深入的研究是信息化发展的客观需求。本文对数据挖掘技术,尤其是聚类分析进行了较为深入的研究与分析,并且提出了一些改进的算法。本文主要包含了以下几个方面的内容: 数据挖掘中聚类分析的概述。首先对数据挖掘的概念、数据挖掘系统作了介绍,然后介绍了数据挖掘的分类、过程、数据挖掘的主要问题。随后对数据挖掘技术中的一个重要组成部分--聚类分析进行了阐述说明,主要介绍了聚类分析的定义、进行聚类所使用的方法、数据类型以及聚类结果的度量标准。蚁群算法的概述。群体智能算法是人们通过观察自然界生物群体抽象出来的仿生类算法,而蚁群算法作为生物群体智能算法的代表在求解复杂优化问题,尤其是离散优化问题方面展现出了优异的性能和巨大的发展潜力。本文从基本蚁群的生物学原理和系统学特征出发,介绍了基本蚁群算法的数学模型和实现方法,并分析了基本蚁群算法的时间/空间复杂度问题。 基于改进蚁群算法的聚类组合方法。在研究了基本蚁群聚类模型、经典LF算法以及引入了信息熵的LF算法的基础上,提出了改进的单蚁群聚类算法(SACA),然后提出一种利用速度类型各异的单蚁群以SACA并行聚类,然后将产生的结果用超图模型组合成超图,最后利用基于蚁群算法的图划分算法对超图进行划分的多蚁群聚类组合方法:MACCA。最后对MACCA进行数据测试和性能分析。
【学位授予单位】:重庆大学
【学位级别】:硕士
【学位授予年份】:2007
【分类号】:TP301.6

【引证文献】
中国期刊全文数据库 前1条
1 王宗利;刘希玉;;一种基于流形的蚁群聚类算法[J];山东大学学报(理学版);2008年11期
中国硕士学位论文全文数据库 前3条
1 李颖慧;聚类分析技术在中国移动客户消费模式中的应用研究[D];长春工业大学;2010年
2 曹安得;基于Web用户兴趣度的网页重构方法研究[D];沈阳大学;2011年
3 田园丽;蚁群聚类算法研究与应用[D];辽宁工程技术大学;2011年
【参考文献】
中国期刊全文数据库 前10条
1 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
2 姜园,张朝阳,仇佩亮,周东方;用于数据挖掘的聚类算法[J];电子与信息学报;2005年04期
3 孙京诰,李秋艳,杨欣斌,黄道;基于蚁群算法的故障识别[J];华东理工大学学报;2004年02期
4 周水庚,周傲英,曹晶,胡运发;一种基于密度的快速聚类算法[J];计算机研究与发展;2000年11期
5 吴斌,傅伟鹏,郑毅,刘少辉,史忠植;一种基于群体智能的Web文档聚类算法[J];计算机研究与发展;2002年11期
6 杨欣斌,孙京诰,黄道;一种进化聚类学习新方法[J];计算机工程与应用;2003年15期
7 李勇,段正澄;动态蚁群算法求解TSP问题[J];计算机工程与应用;2003年17期
8 颜宏文,马瑞,晏弼成;基于信息熵构造判定树的数据挖掘算法的设计与实现[J];计算机工程与应用;2003年23期
9 刘波;一种利用信息熵的群体智能聚类算法[J];计算机工程与应用;2004年35期
10 刘明吉;王秀峰;黄亚楼;;数据挖掘中的数据预处理[J];计算机科学;2000年04期
中国硕士学位论文全文数据库 前1条
1 李瑞;蚁群聚类算法及其在推荐系统中的应用[D];西南师范大学;2005年
【共引文献】
中国期刊全文数据库 前10条
1 陈键;;浅析常用聚类分析算法[J];安徽电子信息职业技术学院学报;2007年01期
2 钟晓旭;胡学钢;;基于数据挖掘的Web招聘信息相关性分析[J];安徽建筑工业学院学报(自然科学版);2010年04期
3 梁伍七,江克勤;数据挖掘中的模糊聚类分析及其应用[J];安庆师范学院学报(自然科学版);2004年02期
4 丛红卫,马垣,苑卫国,敖广武;企业管理信息决策支持系统的建立[J];鞍山钢铁学院学报;2002年03期
5 李卫平;张志鸿;;万有引力定律在聚类中的应用[J];安阳工学院学报;2006年04期
6 雷筱珍;赖万钦;;一种基于信息素的FCM蚁群聚类算法[J];安阳工学院学报;2009年02期
7 刘文彬;刘保国;刘中战;崔少东;;基于改进PSO算法的岩石蠕变模型参数辨识[J];北京交通大学学报;2009年04期
8 陈寒江,吴相林;基于XML的数据库系统研究[J];兵工自动化;2003年02期
9 张晓明;刘萍;王鹏;;基于数据仓库的数据挖掘及联机分析技术[J];兵工自动化;2008年09期
10 李波;;数据仓库与联机分析处理(OLAP)技术[J];北京广播学院学报(自然科学版);2005年04期
中国重要会议论文全文数据库 前10条
1 杨卫莉;郭雷;赵天云;肖谷初;;融合分水岭算法和蚁群聚类的图像分割[A];第二十六届中国控制会议论文集[C];2007年
2 胡波;吴敏;杨静;朱华琦;;异常工况下的焦炉作业优化调度方法[A];第二十七届中国控制会议论文集[C];2008年
3 ;A Multiple Tuning Method for PID Controllers Using Constrained Particle Swarm Optimization[A];中国自动化学会控制理论专业委员会C卷[C];2011年
4 李勇刚;李浩;阳春华;王莎;;基于NIWVP-PSO的沉铁过程铁离子浓度软测量[A];中国自动化学会控制理论专业委员会D卷[C];2011年
5 尹雪娇;;基于蚁群算法的故障诊断[A];创新沈阳文集(A)[C];2009年
6 王皓;曹永锋;孙洪;;基于流域变换的聚类分析[A];第十二届全国信号处理学术年会(CCSP-2005)论文集[C];2005年
7 卢厚清;张永利;李宏伟;余勤;;一种改进的蚁群求解算法[A];第十七届全国过路控制会议论文集[C];2006年
8 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
9 杨真;李也白;籍志兵;常一帆;;数据分析技术在商品销售中的应用研究[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
10 于健;陈子军;李霞;李炜;;一种新的多密度聚类算法[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
中国博士学位论文全文数据库 前10条
1 谭佳琳;粒子群优化算法研究及其在海底地形辅助导航中的应用[D];哈尔滨工程大学;2010年
2 李桃迎;交通领域中的聚类分析方法研究[D];大连海事大学;2010年
3 曲建华;基于群体智能的聚类分析[D];山东师范大学;2010年
4 高雪瑶;语义特征造型的与历程无关技术的研究[D];哈尔滨理工大学;2009年
5 吴少智;时间序列数据挖掘在生物医学中的应用研究[D];电子科技大学;2010年
6 彭宏;基于机器学习方法的数字音频水印技术研究[D];电子科技大学;2010年
7 杨剑锋;适合并行的无干预文档聚类算法研究[D];武汉大学;2010年
8 周晖;自由搜索算法及其在传感器网络中的应用[D];东华大学;2010年
9 管红波;食品连锁经营中的有效客户反应研究[D];东华大学;2010年
10 周巍;煤矿井下搜救探测机器人的路径规划及轨迹跟踪控制研究[D];太原理工大学;2011年
中国硕士学位论文全文数据库 前10条
1 李颖;用蚁群算法求解最小极大流问题[D];河南理工大学;2010年
2 李振;网络舆情预测关键技术研究[D];郑州大学;2010年
3 唐高松;基于Volterra级数模型辨识的旋转机械故障诊断方法研究[D];郑州大学;2010年
4 梁大圣;空间数据仓库的设计与构建[D];山东农业大学;2010年
5 曾祥莉;ETL在经济普查信息发布系统中的应用研究[D];哈尔滨工程大学;2010年
6 蒋红进;蚁群算法在光突发交换网络路由中的研究[D];哈尔滨工程大学;2010年
7 丁金凤;基于网格与密度的数据流聚类算法研究[D];哈尔滨工程大学;2010年
8 石丽丽;智能优化算法对比研究及其在船体双底结构优化中的应用[D];哈尔滨工程大学;2010年
9 李艳萍;基于自主学习的移动机器人质心偏移控制策略[D];大连理工大学;2010年
10 张雪;基于聚类的改进蚁群算法对VRPTW问题的应用研究[D];辽宁工程技术大学;2009年
【同被引文献】
中国期刊全文数据库 前10条
1 梁波,吴俊峰,舒华英;移动通信客户保持及其决定因素实证研究[J];北京邮电大学学报(社会科学版);2005年04期
2 王岚,张鹏祥;基于Web的数据挖掘研究[J];长春师范学院学报;2005年07期
3 董全德;;用户兴趣迁移模式与个性化服务[J];电脑知识与技术(学术交流);2007年17期
4 刘英姿;吴昊;;客户细分方法研究综述[J];管理工程学报;2006年01期
5 李东;王民;陆亚娟;;基于知识转移的客户关系管理(CRM)[J];管理世界;2008年03期
6 吕志国;;基于数据挖掘的移动资费套餐设计模型的建立与实现[J];中国管理信息化(综合版);2007年12期
7 周文勇;;改进的K-均值聚类算法[J];光盘技术;2007年02期
8 张群;熊英;黄庆炬;;基于蚁群算法的数据挖掘方法研究[J];湖北工业大学学报;2007年02期
9 张国政;;国外客户终生价值评价模型研究述评[J];华东经济管理;2008年08期
10 宋清昆;郝敏;;一种改进的模糊C均值聚类算法[J];哈尔滨理工大学学报;2007年04期
中国博士学位论文全文数据库 前5条
1 范九伦;模糊聚类新算法与聚类有效性问题研究[D];西安电子科技大学;1998年
2 陈静宇;基于客户价值的中间商客户细分与客户管理策略研究[D];重庆大学;2004年
3 王靖;流形学习的理论与方法研究[D];浙江大学;2006年
4 陈金波;面向电信CRM的数据挖掘应用研究[D];东南大学;2006年
5 龚立雄;面向CRM的制造企业客户满意理论研究与应用[D];武汉理工大学;2010年
中国硕士学位论文全文数据库 前10条
1 高世光;基于模糊聚类的数据挖掘技术研究[D];国防科学技术大学;2002年
2 栾丽华;聚类算法研究[D];南京师范大学;2004年
3 李瑞;蚁群聚类算法及其在推荐系统中的应用[D];西南师范大学;2005年
4 李宏祥;CRM系统中客户价值及客户细分研究[D];山东大学;2005年
5 罗妤;聚类数据挖掘在商场中的应用及K-means聚类算法改进研究[D];重庆大学;2005年
6 谭华琴;基于蚁群算法的数据挖掘方法研究[D];武汉理工大学;2006年
7 王曙光;基于蚁群的文本聚类算法的改进研究[D];大连理工大学;2006年
8 翁怀荣;蚁群算法的聚类分析研究及在HRM中的应用[D];四川大学;2006年
9 耿炜欣;模糊聚类在银行客户细分中的应用研究[D];对外经济贸易大学;2007年
10 邢留伟;K-Means算法在客户细分中的应用研究[D];西南财经大学;2007年
【二级引证文献】
中国期刊全文数据库 前1条
1 蒋敏;叶龙;;基于流形的图像检索算法的研究[J];中国传媒大学学报(自然科学版);2011年01期
【二级参考文献】
中国期刊全文数据库 前10条
1 许俊刚,柯有安;自组织神经网络雷达目标识别的研究[J];北京理工大学学报;1992年03期
2 史笑兴,顾明亮,王太君,何振亚;有序聚类方法及其在神经网络语音识别中的应用[J];电路与系统学报;2000年02期
3 邓浩江,王守觉,邢藏菊,李倩;基于聚类统计与文本无关的说话人识别研究[J];电路与系统学报;2001年03期
4 李碧,雍正正;一种改进的基于遗传算法的聚类分析方法[J];电路与系统学报;2002年03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 吴福保,李奇,宋文忠;模糊聚类分析的传递方法[J];东南大学学报;1999年02期
7 刘健庄;基于二维直方图的图象模糊聚类分割方法[J];电子学报;1992年09期
8 宋爱国,陆佶人;基于进化规划的Kohonen网络用于被动声呐目标聚类研究[J];电子学报;1998年07期
9 高新波,裴继红,谢维信;模糊c-均值聚类算法中加权指数m的研究[J];电子学报;2000年04期
10 王磊,潘进,焦李成;免疫算法[J];电子学报;2000年07期
【相似文献】
中国期刊全文数据库 前10条
1 王鹤;;基于信息素的蚁群聚类算法[J];中国科技信息;2007年15期
2 王芳;王正兰;;数据挖掘方法在电信行业客户流失分析中的应用研究[J];现代商贸工业;2010年24期
3 何夏青;倪志伟;刘玉;;利用数据挖掘技术构造范例库的新方法探究[J];计算机工程与应用;2006年06期
4 周晓刚;洪春勇;;蚁群聚类算法在客户分类中的应用[J];计算机与现代化;2007年05期
5 关心;王新;;基于k-means改进算法的入侵检测系统的研究[J];计算机系统应用;2007年09期
6 刘正龙;杨艳梅;;蚁群算法在数据挖掘中的研究[J];乐山师范学院学报;2009年05期
7 刘淑瑞;秦文珍;张聪;;基于数据挖掘技术的图书馆采购管理研究[J];重庆文理学院学报(自然科学版);2010年01期
8 刘艳霞;;数据挖掘中聚类分析技术的研究与应用[J];科技情报开发与经济;2008年06期
9 张建萍;刘希玉;;基于聚类分析的K-means算法研究及应用[J];计算机应用研究;2007年05期
10 易国洪;章瑾;;基于本体的数据挖掘方法研究[J];计算机与数字工程;2007年07期
中国重要会议论文全文数据库 前10条
1 杨欣斌;黄道;;一种新的聚类算法[A];2003年中国智能自动化会议论文集(下册)[C];2003年
2 常郝;周国祥;;基于自组织特征映射神经网络的数据挖掘研究[A];计算机技术与应用进展——全国第17届计算机科学与技术应用(CACIS)学术会议论文集(上册)[C];2006年
3 张周锁;周晓宁;成玮;;基于蚁群算法的机械故障智能诊断技术研究[A];2008年全国振动工程及应用学术会议暨第十一届全国设备故障诊断学术会议论文集[C];2008年
4 肖健华;吴今培;;数据挖掘技术及其应用实例[A];2001年中国智能自动化会议论文集(下册)[C];2001年
5 金妮;;一种基于数据仓库和OLAP技术的聚类挖掘系统[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
6 关洪浩;唐巍;;蚁群算法的生成树在配电网网架规划中的应用[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
7 吴正伟;吉文来;陈伟佳;卢扣;;基于蚁群算法的城市紧急救援最佳路径选择[A];地理信息与物联网论坛暨江苏省测绘学会2010年学术年会论文集[C];2010年
8 姚小磊;彭清华;;数据挖掘技术在中医眼科应用的设想[A];中华中医药学会第七次眼科学术交流会论文汇编[C];2008年
9 王鹤;邵良杉;邱云飞;;蚁群算法在露天矿运输系统路径优化中的应用[A];第五届全国煤炭工业生产一线青年技术创新文集[C];2010年
10 刘杰;闫清东;;基于蚁群算法的移动机器人路径规划技术的研究[A];逻辑学及其应用研究——第四届全国逻辑系统、智能科学与信息科学学术会议论文集[C];2008年
中国重要报纸全文数据库 前10条
1 刘红岩、何军;利用数据挖掘技术获得商业智能[N];中国计算机报;2003年
2 陈晓 山西财经大学教师;数据挖掘技术在高校教学管理中的应用[N];山西经济日报;2010年
3 记者 吕贤如;大力加强数据挖掘技术研究应用[N];光明日报;2006年
4 主持人 李禾;数据挖掘技术如何驱动经济车轮[N];科技日报;2007年
5 首之;数据挖掘并不神秘[N];金融时报;2006年
6 ;IBM公司推出新型数据挖掘技术[N];中国高新技术产业导报;2001年
7 山西银行学校 王林芳;数据挖掘在银行业务中的应用[N];山西科技报;2005年
8 任中华;财务数据挖掘六步走[N];中国计算机报;2007年
9 诺达咨询高级咨询顾问 周连升;数据挖掘拓展3G增值空间[N];通信产业报;2007年
10 徐扬;如何从数据中“挤出”效益[N];中国计算机报;2002年
中国博士学位论文全文数据库 前10条
1 赵恒;数据挖掘中聚类若干问题研究[D];西安电子科技大学;2005年
2 许增福;DL环境下的信息资源管理及知识发现研究[D];哈尔滨工程大学;2005年
3 庞淑英;三江并流带旅游地质景观数据挖掘及旅游价值评价研究[D];昆明理工大学;2008年
4 赵晨;过程控制中的数据挖掘技术研究及其智能控制策略探讨[D];浙江大学;2005年
5 高清东;复杂供矿条件矿山技术指标整体动态优化系统及应用[D];北京科技大学;2005年
6 许志红;交流接触器智能化控制与设计技术的研究及实现[D];福州大学;2006年
7 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院(遥感应用研究所);2006年
8 王玉峰;变电站瞬态电磁环境及微机保护系统EMC研究[D];大连理工大学;2007年
9 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
10 顾中舜;中继卫星动态调度问题建模及优化技术研究[D];国防科学技术大学;2008年
中国硕士学位论文全文数据库 前10条
1 谭华琴;基于蚁群算法的数据挖掘方法研究[D];武汉理工大学;2006年
2 卢华玮;改进蚁群算法在聚类分析中的应用研究[D];重庆大学;2007年
3 刘念涛;基于蚁群算法的聚类分析方法的研究及应用[D];山东师范大学;2008年
4 张姝;网站可用性分析及可视化技术研究[D];沈阳工业大学;2006年
5 王鹤;蚁群聚类算法的研究与应用[D];辽宁工程技术大学;2007年
6 王晋;数据挖掘技术在电信企业客户关系管理中的应用研究[D];兰州理工大学;2007年
7 胡曼;交叉销售在中国保险业的应用分析[D];山东大学;2009年
8 张智钦;基于数据挖掘的客户细分研究[D];暨南大学;2007年
9 汪瑛;数据挖掘在燃气系统中的应用研究[D];南京理工大学;2009年
10 曹丹阳;数据挖掘在教务系统中的应用研究[D];北方工业大学;2006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