蟻群聚類算法的分析與應(yīng)用

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

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(diǎn)聲明本人聲明所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)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(shí)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(jī)的移動(dòng)，又利用了蟻群分布式搜索的特性，來(lái)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(guó)內(nèi)外文獻(xiàn)未見(jiàn)報(bào)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(lái)，科學(xué)技術(shù)的飛速發(fā)展帶動(dòng)著經(jīng)濟(jì)和社會(huì)都取得了極大的進(jìn)步。在各個(gè)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(jìn)行了有益的探索。隨著計(jì)算機(jī)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(dòng)了數(shù)據(jù)庫(kù)技術(shù)的極大發(fā)展，但是面對(duì)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(kù)的查詢功能，提出了深層次問(wèn)題：能不能從數(shù)據(jù)中提取信息或者知識(shí)為決策服務(wù)，就數(shù)據(jù)庫(kù)技術(shù)而言己經(jīng)顯得無(wú)能為力了。同樣，傳統(tǒng)的統(tǒng)計(jì)技術(shù)也面臨著極大的挑戰(zhàn)。這就急需有新的方法來(lái)處理這些海量般的數(shù)據(jù)。于是，人們結(jié)合統(tǒng)計(jì)學(xué)、數(shù)據(jù)庫(kù)、機(jī)器學(xué)習(xí)等技術(shù)，提出數(shù)據(jù)挖掘來(lái)解決這一難題。數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，并顯示出前所未有的強(qiáng)大生命力，并且逐漸成為研究的熱點(diǎn)

7、，吸引了很多人進(jìn)行研究，引起國(guó)內(nèi)外學(xué)術(shù)界的廣泛關(guān)注，許多研究機(jī)構(gòu)都在該領(lǐng)域開(kāi)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(lái)越受到研究者的關(guān)注。聚類(Clustering)是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域中的一個(gè)重要分支，是人們認(rèn)識(shí)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(dú)立的數(shù)據(jù)挖掘工具來(lái)發(fā)現(xiàn)數(shù)據(jù)庫(kù)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(duì)于聚類的研究始于60年代早期，從機(jī)器學(xué)習(xí)的觀點(diǎn)來(lái)看，聚類是一種無(wú)人監(jiān)督的學(xué)習(xí)，因?yàn)樗鼪](méi)有關(guān)于分類的先驗(yàn)知識(shí)。從實(shí)際應(yīng)用的觀