收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

群体聚类算法研究

朱文杰  
【摘要】:聚类分析是一种典型的无监督学习问题。与有监督学习相比,聚类分析适用于在没有足够的先验知识的问题,分析研究对象间的相似性模式,从而将无标记的物理对象或者抽象对象划分为若干个组,划分得到的组称为簇。为了能将对象划分到正确的簇中,算法需要挖掘出对象间的相似性。群体智能是一类常用的优化技术,是求解聚类问题的方法之一。基于群体智能的聚类方法常选择一种基于种群的随机搜索算法作为其框架,将种群中的个体编码为一个或一组簇中心向量。随着种群的迭代进化,个体可以同时搜索解空间的不同区域,由此可以找到全局最优解。目前,现有的大多数基于群体智能的聚类算法旨在找到一组簇中心。然而,这种基于中心的聚类方法难以处理具有不规则形状的簇。同时,现有的方法中还存在一些不足,比如难以确定种群的规模和如何初始化种群等。本文使用基于群体智能的方法来解决聚类问题。本文的主要内容包括以下两个方面。(1)提出了群体聚类算法SCA。在SCA算法中,每个数据样本编码为种群中的个体。因此,种群的规模与数据集的规模保持一致;采用核密度估计作为适应度函数来评估粒子的密度;为粒子选择leader粒子来协助粒子飞行,从而降低算法的误差;采用动态的惯性权重调整策略。在常用的人工数据集上对SCA算法进行测试并与其他基准算法比较,实验结果表明SCA算法是一个有竞争力的算法。(2)提出了高效的群体聚类算法SCA2。与SCA算法相比,SCA2算法主要进行了以下改进:1)使用径向基函数网络作为代理模型来近似问题空间的密度分布,从而使用训练好的径向基函数网络作为适应度函数,减少算法的时间开销。此外,SCA2算法使用了合并策略,将飞行过程中符合归并条件的多个粒子合并为一个粒子飞行,从而进一步减少算法的时间开销;2)扩展leader粒子为K-leader列表,使得粒子有机会选择不同leader粒子,从而减少初始的误分配,提高算法的性能;3)使用了简化的位置更新策略,使算法能更好地响应不同密度差之间的差异从而分别处理。实验选择常用的人工数据集和真实数据集来测试SCA2算法的性能,并与其他不同类型的聚类算法进行比较,实验结果表明SCA2算法在大多数的测试数据集中取得较好的结果,是一个更具优势的算法。本文工作不仅对基于群体智能和演化算法的聚类方法研究具有推动作用,而且对群体智能模型和算法的深入研究和进一步发展具有参考价值。


知网文化
【相似文献】
中国期刊全文数据库 前14条
1 纪汉霖;李兆信;;多种聚类算法性能的比较分析[J];计算机技术与发展;2020年08期
2 李婧;;一种基于概率的快速聚类算法[J];重庆工商大学学报(自然科学版);2014年02期
3 张丽芳;;3种聚类算法性能比较分析[J];长江大学学报(自然科学版)理工卷;2009年02期
4 徐雪松;刘凤玉;;一种基于距离的再聚类的离群数据发现算法[J];计算机应用;2006年10期
5 王宏智;高学东;赵杨;;一种群体智能聚类算法研究[J];中国管理信息化;2013年02期
6 孙凌燕;杨明;任建斌;;一种基于相对密度的快速聚类算法[J];微电子学与计算机;2009年12期
7 喻彪;骆雯;赖朝安;;数据挖掘聚类算法研究[J];现代制造工程;2009年03期
8 冯兴杰,黄亚楼;带约束条件的聚类算法研究[J];计算机工程与应用;2005年07期
9 王贞化;焦东杰;;一种基于密度的无监督聚类算法[J];新乡学院学报(自然科学版);2010年06期
10 刘大任;孙焕良;牛志成;朱叶丽;;一种新的基于密度的聚类与孤立点检测算法[J];沈阳建筑大学学报(自然科学版);2006年01期
11 马知也;施秋红;;猫群算法研究综述[J];甘肃广播电视大学学报;2014年02期
12 林川;冯全源;;利用有效信息的粒子群优化算法[J];哈尔滨工程大学学报;2008年11期
13 王伯成;施锦丹;王凯;;粒子群优化算法的研究现状与发展概述[J];电讯技术;2008年05期
14 段桂芹;刘松;邹臣嵩;;全局中心聚类算法在课程序化中的应用[J];计算机与数字工程;2020年03期
中国重要会议论文全文数据库 前20条
1 王亚钊;周永华;刘毅;高睿;;人工生命算法的研究进展[A];中南六省(区)自动化学会第24届学术年会会议论文集[C];2006年
2 徐一;杨静;任志刚;杨迅幸;;基于学习的烟花算法[A];2018中国自动化大会(CAC2018)论文集[C];2018年
3 姚雪;;基于算法多样化培养学生思维习惯和创新精神[A];2019年“区域优质教育资源的整合研究”研讨会论文集[C];2019年
4 熊薇薇;吴怀宇;;一种改进的角点检测算法[A];中国计量协会冶金分会2009年年会论文集[C];2009年
5 薛云灿;郑东亮;岳兴汉;杨启文;;混沌粒子群优化算法及其在水库优化调度中的应用[A];PCC2009—第20届中国过程控制会议论文集[C];2009年
6 陶丽;张自力;丁晓明;;一种适用于动态重构的联盟形成算法[A];2008年计算机应用技术交流会论文集[C];2008年
7 张兰平;;谈小学一年级算法多样化的优化[A];中华教育理论与实践科研论文成果选编(下)[C];2007年
8 杨红斌;;计划量算法的优化[A];第四届全国医院药剂科建设与管理学术研讨会论文集[C];2012年
9 林克旺;;基于分层网络实现高效的自稳定的选举算法[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(下册)[C];2006年
10 金文;钱卫宁;周傲英;施伯乐;;一种新颖、高效、基于综合因素的聚类算法[A];第十六届全国数据库学术会议论文集[C];1999年
11 徐英钟;高震;李波;;基于禁忌搜索的蚁群算法求解旅行商问题[A];第四届中国智能计算大会论文集[C];2010年
12 叶衍;楼荣生;何永保;;自然联结的优化算法[A];第十二届全国数据库学术会议论文集[C];1994年
13 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
14 许伦辉;傅惠;徐建闽;;基于分形维数的交通流预测模型及算法研究[A];2003年中国智能自动化会议论文集(下册)[C];2003年
15 王树西;白硕;王斌;;模式推理中的“图检索”算法[A];全国第八届计算语言学联合学术会议(JSCL-2005)论文集[C];2005年
16 覃频频;许登元;姚起宏;黄大明;;基于表决融合的高速公路事件检测算法融合[A];'2006系统仿真技术及其应用学术交流会论文集[C];2006年
17 杨娜;付强;贺延国;;蚁群算法在水土资源中的应用研究进展[A];农业系统工程理论与实践研究——全国农业系统工程学术研讨会论文集[C];2006年
18 王永华;詹宜巨;余松森;杨健;;一种密集RFID读写器环境下信道分配算法[A];2007'仪表,自动化及先进集成技术大会论文集(一)[C];2007年
19 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
20 王亚奇;王静;李金;;一种改进的RFID系统反碰撞算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
中国博士学位论文全文数据库 前20条
1 盛歆漪;粒子群优化算法及其应用研究[D];江南大学;2015年
2 王冰;人工蜂群算法的改进及相关应用的研究[D];北京理工大学;2015年
3 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年
4 ;[D];;年
5 王艳娇;人工蜂群算法的研究与应用[D];哈尔滨工程大学;2013年
6 李美安;普适分布式互斥算法及应用[D];电子科技大学;2007年
7 王小根;粒子群优化算法的改进及其在图像中的应用研究[D];江南大学;2009年
8 刘婷;改进人工蜂群算法及其在多用户检测中的应用[D];天津大学;2013年
9 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
10 薛菲;基于蝙蝠算法的启发式智能优化研究与应用[D];北京工业大学;2016年
11 肖建元;保几何结构算法在等离子体物理中的应用[D];中国科学技术大学;2017年
12 张冬丽;人工蜂群算法的改进及相关应用研究[D];燕山大学;2014年
13 王维博;粒子群优化算法研究及其应用[D];西南交通大学;2012年
14 石陆魁;非线性维数约减算法中若干关键问题的研究[D];天津大学;2005年
15 孔翔宇;几类优化问题的人工蜂群算法[D];西安电子科技大学;2016年
16 肖永豪;蜂群算法及在图像处理中的应用研究[D];华南理工大学;2011年
17 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
18 赵进慧;膜计算仿生优化算法及应用研究[D];浙江大学;2010年
19 曹正凤;随机森林算法优化研究[D];首都经济贸易大学;2014年
20 蒋良孝;朴素贝叶斯分类器及其改进算法研究[D];中国地质大学;2009年
中国硕士学位论文全文数据库 前20条
1 朱文杰;群体聚类算法研究[D];中国科学技术大学;2020年
2 郝丽静;面向微博话题的粒子群优化聚类算法研究[D];河南理工大学;2016年
3 杜荣浩;针对大规模时间序列数据的改进聚类算法[D];北京交通大学;2017年
4 李娜;细菌觅食优化算法在聚类中的应用[D];陕西师范大学;2014年
5 王奕丹;蜂群算法优化改进及其在聚类中的应用研究[D];长春工业大学;2020年
6 黄鹏飞;拉普拉斯加权聚类算法的研究[D];南京航空航天大学;2009年
7 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
8 白雪斌;基于群智能的多目标K-harmonic Means算法研究与实现[D];上海大学;2014年
9 曹金保;人工蜂群算法研究及其应用[D];陕西师范大学;2013年
10 郑健;烟花算法在多目标优化中的应用研究[D];桂林理工大学;2017年
11 胡庆生;烟花算法及其应用[D];陕西师范大学;2016年
12 赵亚红;面向多类标分类的随机森林算法研究[D];哈尔滨工业大学;2014年
13 李少勇;大爆炸算法的研究与改进[D];广东工业大学;2014年
14 施方林;人工蜂群算法的改进及在空间聚类中的应用[D];解放军信息工程大学;2017年
15 杨琳;改进人工蜂群算法的研究及其应用[D];广西工学院;2012年
16 王宁;基于粒子群优化的聚类算法研究[D];合肥工业大学;2010年
17 马绍飞;基于自然邻的在线数据流聚类算法研究[D];重庆大学;2019年
18 宋尼克;大数据背景下政府算法治理的风险研究[D];中国矿业大学;2020年
19 陈琦;人工蜂群算法的研究及应用[D];扬州大学;2016年
20 贾红;烟花爆炸优化算法及其改进研究[D];华中科技大学;2010年
中国重要报纸全文数据库 前20条
1 数字经济学家、商汤智能产业研究院主任 刘志毅;今天我们被算法“控制”了吗[N];经济观察报;2020年
2 本报记者 马成涛;算法推荐 如何打破“信息茧房”[N];安徽日报;2020年
3 北京化工大学法律系 鲁春雅;自动化决策的算法解释权[N];中国社会科学报;2020年
4 郑磊;当算法操控人类[N];21世纪经济报道;2020年
5 吴明曦 马伯乐;以智驭能 算法制胜[N];解放军报;2020年
6 赵熙熙;科学家开发出纠错新算法[N];中国科学报;2017年
7 实习生 高行健;新算法助力人类“解梦”[N];科技日报;2020年
8 重庆市第四中级人民法院 艾庆平;赛博世界的算法规制[N];人民法院报;2020年
9 北京大学法学院教授 北京大学电子商务法研究中心主任 薛军;数字时代应高度关注算法规制[N];中国市场监管报;2020年
10 何勇海;别被偏好算法带偏了[N];重庆日报;2020年
11 陈广江;别让算法“算计”了孩子[N];海南日报;2020年
12 陈广江;别让算法“算计”了孩子[N];中国消费者报;2020年
13 任然;拒绝投喂:赋予消费者关闭算法的权利[N];中国青年报;2020年
14 龙敏飞;每个消费者都应有“关闭算法”的权利[N];珠海特区报;2020年
15 眉间尺;比算法推荐更重要的是确认眼神[N];科技日报;2018年
16 陈航辉;切勿陷入算法迷信[N];解放军报;2019年
17 西南政法大学行政法学院 邬蕾;算法与法秩序的重塑[N];中国社会科学报;2019年
18 曾子林 邹力;谨防智能化作战的算法误区[N];解放军报;2019年
19 吴学安;要注意算法中存在的法律隐患[N];中国审计报;2019年
20 本报记者 张建军;“7G”智慧算法来了[N];经济日报;2019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
  • 010-62982499
  • 010-62783978