收藏本站
收藏 | 论文排版

粒子群算法改进及其在数据挖掘中的应用研究

马红伟  
【摘要】:当前,数据的急剧增长和人们对数据理解的困难形成了强烈的反差,数据挖掘技术便应运而生。聚类分析是一种最重要的数据挖掘技术,根据数据的内在特性将数据对象划分到不同的类中,使得同一类中的数据对象具有最大的相似性,而不同类中的数据对象具有最大的相异性。 由MacQueen提出的K-means算法是解决聚类问题的一种经典算法,广泛应用于数据挖掘与知识发现领域。但是,K-means算法存在两大缺陷,一是K-means算法的聚类结果依赖于初始值的选取,二是基于梯度下降进行搜索常常使K-means算法陷入局部最优。在分析相关研究的基础上,提出一种基于粒子群和模拟退火(SimulatedAnnealing,SA)协同的K-means聚类算法,简称PSK-means算法,并将新改进的PSK-means算法应用在两个不同的系统中,本论文主要工作包括: (1)针对K-means算法和粒子群算法的缺陷,利用模拟退火算法的概率突跳性,提出一种基于粒子群和模拟退火协同的K-means聚类算法,克服粒子群算法易陷入局部最优的缺陷,优化全体粒子的历史最优解,进而优化聚类中心达到最优的聚类结果,并进行了仿真实验,验证算法具有良好全局收敛性。 (2)将PSK-means算法应用在计算机实验辅助教学与质量评价系统中。在系统评价模块产生许多评价数据,包括对教师的评价和对学生的评价。论文以对学生的评价为例,先对评价数据进行预处理,得出学生的最终评分。再使用PSK-means算法对数据进行聚类,并对聚类结果进行具体分析。针对每一类学生在学习中存在的问题进行针对性的指导,可以大大节省时间,有效提高教学质量。 (3)将PSK-means算法应用在山东省名老中医医案数据中。山东省名老中医医案系统中医案数据杂乱,包括冠心病和高血压等多种疾病。先对医案数据按疾病种类进行选择性提取,再对同一种病的药方数据使用PSK-means算法进行聚类,将药方按中医上的证型分类。聚类后的数据使用Apriori算法进行强关联规则挖掘,挖掘出不同证型的核心药方,为年轻中医医生提供学习参考,且对中成药的制作具有一定的价值。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 张晓明;王儒敬;;一种带逆反的粒子群算法[J];计算机科学;2006年10期
2 柳伯超;秦茂玲;刘弘;;改进粒子群算法在货物装载中的应用[J];信息技术与信息化;2006年05期
3 吴军;李为吉;;改进的粒子群算法及在结构优化中的应用[J];陕西理工学院学报(自然科学版);2006年04期
4 邓伟林;胡桂武;;粒子群算法研究与展望[J];现代计算机;2006年11期
5 陈健;刘同玉;;混合区间粒子群算法[J];系统工程理论方法应用;2006年06期
6 王芳;雷开友;邱玉辉;;一种粒子群算法的多样性策略研究[J];计算机科学;2006年01期
7 车林仙;;基于粒子群算法的混沌系统快速控制[J];泸州职业技术学院学报;2006年03期
8 单汨源;吴娟;吴亮红;刘琼;;基于改进粒子群算法的资源受限项目进度研究[J];计算机工程与应用;2007年15期
9 童楠;符强;;一种域自适应型的粒子群算法[J];计算机与现代化;2007年05期
10 杨莹;;改进的混合粒子群算法[J];煤炭技术;2007年05期
11 张培颂;唐常杰;丁鑫鑫;徐开阔;白兰东;;基于划分和重分布的粒子群算法及优化策略[J];四川大学学报(自然科学版);2007年02期
12 肖力;;改进粒子群算法在物流配送问题中的应用[J];电脑与电信;2007年06期
13 王伟;;混合粒子群算法及其优化效率评价[J];中国水运(学术版);2007年06期
14 张建科;刘三阳;张晓清;;改进的粒子群算法[J];计算机工程与设计;2007年17期
15 陈金环;王冠;王东云;;粒子群算法及特性的研究[J];中原工学院学报;2007年04期
16 韩世芬;;基于免疫粒子群算法的车间作业调度问题[J];科技咨询导报;2007年25期
17 李士勇;李盼池;;求解连续空间优化问题的量子粒子群算法[J];量子电子学报;2007年05期
18 徐义春;肖人彬;;一种改进的二进制粒子群算法[J];模式识别与人工智能;2007年06期
19 刘瑞芳;王希云;;粒子群算法两种动力系统模型的收敛性研究[J];山西师范大学学报(自然科学版);2008年04期
20 姚旭;曹祥玉;陈沫;;一种新混合粒子群算法及其在阵列天线方向图综合中的应用[J];现代电子技术;2008年08期
中国重要会议论文全文数据库 前10条
1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(上)[C];2012年
2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集(上)[C];2009年
3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年
4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年
5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用(第7卷)——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年
6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年
7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年
8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[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 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年
10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国(天津)’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 王芳;粒子群算法的研究[D];西南大学;2006年
2 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年
3 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年
4 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年
5 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年
6 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年
7 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年
8 刘宏达;粒子群算法的研究及其在船舶工程中的应用[D];哈尔滨工程大学;2008年
9 杨轻云;约束满足问题与调度问题中离散粒子群算法研究[D];吉林大学;2006年
10 冯琳;改进多目标粒子群算法的研究及其在电弧炉供电曲线优化中的应用[D];东北大学;2013年
中国硕士学位论文全文数据库 前10条
1 张兰;量子粒子群算法及其应用[D];西北大学;2010年
2 随聪慧;粒子群算法的改进方法研究[D];西南交通大学;2010年
3 董银丽;一种新的交叉粒子群算法及其应用[D];西安电子科技大学;2006年
4 马楠楠;基于粒子群算法的化工过程优化及其应用[D];北京化工大学;2008年
5 徐青鹤;改进粒子群算法及其应用研究[D];杭州电子科技大学;2009年
6 郭香军;粒子群算法的改进研究[D];燕山大学;2012年
7 钟帅;基于粒子群算法的微博用户影响力研究[D];华中科技大学;2012年
8 方群;多目标拆卸线平衡问题的改进粒子群算法研究[D];西南交通大学;2014年
9 朱伟丰;改进粒子群算法最优路径的研究[D];重庆师范大学;2014年
10 孟令群;混沌粒子群算法在河流水质模型参数识别中的应用[D];长安大学;2009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