蟻群聚類算法的分析與應(yīng)用

ID:32082166

大小:1.77 MB

頁數(shù):61頁

時間:2019-01-31

蟻群聚類算法的分析與應(yīng)用_第1頁
蟻群聚類算法的分析與應(yīng)用_第2頁
蟻群聚類算法的分析與應(yīng)用_第3頁
蟻群聚類算法的分析與應(yīng)用_第4頁
蟻群聚類算法的分析與應(yīng)用_第5頁
資源描述:

《蟻群聚類算法的分析與應(yīng)用》由會員上傳分享,免費在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫

1、遼寧工程技術(shù)大學(xué)碩士學(xué)位論文AbstractDataminingistheprocessofautomaticallysearchinglargevolumesofdataforpatternsandrules.Clusteringisanimportanttechniqueofdatamining,andalsoanefficientmethodforpeopleunderstandingandSeekingtheinternalrelationsofthings.Itcanbeusedasthetoolofdataminingtodiscoverthein-deepinfo

2、rmationofdatadistributionindatabase.Otherwise.itiSconsideredasthepretreatmentprocessofotherdataminingalgorithms,itiswidelyusedinfieldsofengineeringandtechnology.Clusteringdividesdataobjectsintodifferentclusterssothattheelementsatachedtothediferentclustershavedissimilaritiesandtheonesattached

3、tothesameclustershavesimilarities.OntheresearchofthealgorithmbasedonACAandclusteringalgorithmcombination,Ihavesufficientlystudiedthebasicprincipleandcapabilityoftheexistingantcolonyalgorithms.Ipresentsaalgorithmthatcombinestheobjectandtheenvironmentarountittogetherandthendecidestopickitornot

4、.Itnotonlycanavoidman·madedatasaboutthenumbertheclustering,butalsocanaoidlocaloptimum.AtlastIapplyitinthepartitionofclientinthesecuritytrade.Itprovidesanewthoughtandapproachfortheclusteringresearch.Thus,researchesofthispaperhavethegreatsignificanceintheoryandpractice.KeyWords:DataMining;Clus

5、tering;AntColony;Pheromone2創(chuàng)新點聲明本人聲明所呈交的學(xué)位論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果:在歸納總結(jié)的基礎(chǔ)上,提出基于信息素的蟻群聚類組合算法。主要思想是盡可能模仿螞蟻的真實行為,將螞蟻的空間轉(zhuǎn)換與周圍的環(huán)境緊密地聯(lián)系在一起,避免了”算法中螞蟻隨機的移動,又利用了蟻群分布式搜索的特性,來改善傳統(tǒng)的K-means算法常常易于陷入局部最優(yōu)的缺陷。盡我所知,到目前國內(nèi)外文獻未見報道。作者:遼寧工程技術(shù)大學(xué)碩士學(xué)位論文1緒論1.1引言近年來,科學(xué)技術(shù)的飛速發(fā)展帶動著經(jīng)濟和社會都取得了極大的進步。在各個領(lǐng)域產(chǎn)生了大量的數(shù)據(jù),如何處理這些數(shù)

6、據(jù)以從中得到有益的信息,人們進行了有益的探索。隨著計算機技術(shù)、網(wǎng)絡(luò)技術(shù)和信息、技術(shù)的迅速發(fā)展,人們生產(chǎn)和搜集數(shù)據(jù)的能力也得到了大幅度提高,使得數(shù)據(jù)處理成為可能,同樣也推動了數(shù)據(jù)庫技術(shù)的極大發(fā)展,但是面對不斷增加如潮水般的數(shù)據(jù),人們不再滿足于數(shù)據(jù)庫的查詢功能,提出了深層次問題:能不能從數(shù)據(jù)中提取信息或者知識為決策服務(wù),就數(shù)據(jù)庫技術(shù)而言己經(jīng)顯得無能為力了。同樣,傳統(tǒng)的統(tǒng)計技術(shù)也面臨著極大的挑戰(zhàn)。這就急需有新的方法來處理這些海量般的數(shù)據(jù)。于是,人們結(jié)合統(tǒng)計學(xué)、數(shù)據(jù)庫、機器學(xué)習(xí)等技術(shù),提出數(shù)據(jù)挖掘來解決這一難題。數(shù)據(jù)挖掘技術(shù)應(yīng)運而生,并顯示出前所未有的強大生命力,并且逐漸成為研究的熱點

7、,吸引了很多人進行研究,引起國內(nèi)外學(xué)術(shù)界的廣泛關(guān)注,許多研究機構(gòu)都在該領(lǐng)域開展了多種形式的研究工作。作為數(shù)據(jù)挖掘技術(shù)之一的聚類分析也越來越受到研究者的關(guān)注。聚類(Clustering)是當前數(shù)據(jù)挖掘領(lǐng)域中的一個重要分支,是人們認識和探索事物之間內(nèi)在聯(lián)系的有效手段,它既可以作為獨立的數(shù)據(jù)挖掘工具來發(fā)現(xiàn)數(shù)據(jù)庫中數(shù)據(jù)分布的一些深入信息,也可以作為其它數(shù)據(jù)挖掘算法的預(yù)處理步驟。對于聚類的研究始于60年代早期,從機器學(xué)習(xí)的觀點來看,聚類是一種無人監(jiān)督的學(xué)習(xí),因為它沒有關(guān)于分類的先驗知識。從實際應(yīng)用的觀

當前文檔最多預(yù)覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預(yù)覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動畫的文件,查看預(yù)覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫負責(zé)整理代發(fā)布。如果您對本文檔版權(quán)有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內(nèi)容,確認文檔內(nèi)容符合您的需求后進行下載,若出現(xiàn)內(nèi)容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網(wǎng)絡(luò)波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。
关闭