資源描述：
《基于進(jìn)化多目標(biāo)及聚類(lèi)集成自動(dòng)聚類(lèi)算法》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、摘要摘要隨著數(shù)據(jù)庫(kù)技術(shù)以及網(wǎng)絡(luò)信息技術(shù)的迅猛發(fā)展，人們可以非常方便地獲取大量的數(shù)據(jù)。如何從這些獲取的大量數(shù)據(jù)中，得到有用的或者潛在的信息成為一個(gè)急需要解決的問(wèn)題。數(shù)據(jù)挖掘是信息技術(shù)發(fā)展的一個(gè)非常重要的分支。而數(shù)據(jù)挖掘中的聚類(lèi)技術(shù)就是隨著海量數(shù)據(jù)的信息處理運(yùn)用而生的。數(shù)據(jù)聚類(lèi)一般是無(wú)監(jiān)督的，這是比較符合現(xiàn)實(shí)情況的，因?yàn)樵诤芏嗲闆r下，我們往往無(wú)法得到關(guān)于數(shù)據(jù)的任何先驗(yàn)信息。聚類(lèi)分析的廣泛用途決定了它必定成為廣大學(xué)者研究的熱點(diǎn)?；谏鲜龅谋尘?，本文分別提出了基于新的交叉算子的多目標(biāo)聚類(lèi)算法，以及基于四目標(biāo)的多目標(biāo)聚類(lèi)集成算法。具體工作如
2、下：1．提出了一種基于新的交叉算子的多目標(biāo)聚類(lèi)算法。算法中，根據(jù)聚類(lèi)集成算法的框架，提出了新的交叉算子。其次，為了提高算法的性能，在該算法中，加入了新的操作算子即采用不同算法對(duì)數(shù)據(jù)子空間進(jìn)行搜索，從而提高了搜索解的質(zhì)量。在實(shí)驗(yàn)部分，分別對(duì)26個(gè)基因數(shù)據(jù)集以及5個(gè)UCI數(shù)據(jù)集進(jìn)行了測(cè)試，并且與類(lèi)似的幾個(gè)多目標(biāo)聚類(lèi)算法進(jìn)行了對(duì)比，實(shí)驗(yàn)結(jié)果表明新提出的算法在獲取高質(zhì)量的聚類(lèi)劃分方面具有較大的優(yōu)勢(shì)。2．提出了一種基于四目標(biāo)優(yōu)化的聚類(lèi)集成算法。在該算法中，首先針對(duì)第一個(gè)工作中新提出的的交叉算子進(jìn)行改進(jìn)。其次，在第一個(gè)工作的三個(gè)目標(biāo)基礎(chǔ)上增加
3、了一個(gè)新的目標(biāo)函數(shù)。這個(gè)目標(biāo)函數(shù)代表了待評(píng)價(jià)個(gè)體與種群中其他個(gè)體之間的相似性。引入該函數(shù)的優(yōu)點(diǎn)有以下三個(gè)：第一，保持種群的多樣性：第二，保持好的個(gè)體；第三，由于算法涉及到聚類(lèi)集成算法，而該目標(biāo)函數(shù)可以保證種群多樣性，一個(gè)具有適度多樣性的種群對(duì)于聚類(lèi)集成算法產(chǎn)生好的解也有著至關(guān)重要的作用。在實(shí)驗(yàn)部分，依然對(duì)26個(gè)基因數(shù)據(jù)集以及5個(gè)常用到的UCI數(shù)據(jù)集進(jìn)行測(cè)試。實(shí)驗(yàn)結(jié)果表明新提出的算法在大部分?jǐn)?shù)據(jù)集上都取得了不錯(cuò)的效果，與對(duì)比算法比較，具有較大的優(yōu)勢(shì)。本課題得到國(guó)家自然科學(xué)基金(No．60803098)、國(guó)家教育部博士點(diǎn)基金(No．2
4、0070701022)、省自然科學(xué)基金(2010JM8030)、中央高?；究蒲谢?No．K50511020014)的資助。關(guān)鍵詞：多目標(biāo)優(yōu)化機(jī)器學(xué)習(xí)聚類(lèi)集成ABSTRACTABSTRACTWiththerapiddevelopmentofdatabaseandnetworkinformationtechnology,lotsofdataCanbeheldeasily．Howtogetusefulinformationfromtheselargeamountsofdatabecomesanurgentproblemtobesol
5、ved．Dataminingisaveryimportantbranchofinformationtechnologydevelopment．Clusteringtechnologyindataminingisbornwiththeuseoftheinformationprocessingoflargeamountsofdata．Clusteringisunsupervised，whichismoreinlinewithreality．Inmanycases，weareoftenunabletogetanyprioriinform
6、ationaboutthegivendata．Clusteranalysiswillbefurtherdevelopedforitswidelyapplication．Inthispaper,amulti．objectiveclustermethodbasedonanewspecialcrossoveroperatorandamulti．objectiveclusterensemblemethodisproposed．Theworksofthispaperareconcludedasfollows：1Amulti．objectiv
7、eclustermethodbasedonanewspecialcrossoveroperatorisproposed．Inthismethod，first，anewcrossoveroperatorisapplied．Second，anothernewoperatorisproposed，whichcangetnewpartitionsbysearchingthesubspaceofthedatabyapplyingdifferentalgorithmswhichCangenerategoodsolutions．Intheexp
8、eriments，26geneexpressiondatasetsand5UCIdatasetsaretested．Thenewproposedalgorithmisalsocomparedtoseveralsimilaralgorithms，an
