基于改進(jìn)人工蜂群的模糊c均值聚類算法研究

《基于改進(jìn)人工蜂群的模糊c均值聚類算法研究》由會員上傳分享，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。

1、詩，：－．；．＞Ｊ、＇ｔ，一‘．．’■－’，？．．．＊ｊ．．ｕｖ．去．奇術(shù)去例密級：保密期限：聲４乂爹碩±學(xué)位論文…＼Ｊ（ｔｒ基于改進(jìn)人工蜂群的模糊ｃ均值聚類算法研究Ｒｅｓｅａｒｃｈｏｆｉｍｐｒｏｖｅｄａｒｔｉｆｉｃｉａｌｂｅｅｃｏｌｏｎｙ化ｒｆｔｉｚｚｙ－ｍｅａｎｓｃＣｌｕｓｔｅｒｉｎａｌｏｒｉｔｈｍｇｇ學(xué)號Ｅ１３２０１０２３姓名徐曼舒學(xué)位類別工學(xué)碩±計(jì)算機(jī)應(yīng)用技術(shù)（工程領(lǐng)域）

2、指導(dǎo)教師汪繼文，完成時間２０１６年０３月－會常Ｔ名ＭｌｙＨＪｌｊ獨(dú)創(chuàng)性聲明本人聲明所呈交的學(xué)位論文是本人在導(dǎo)怖指導(dǎo)下進(jìn)行的研究工作及取得的研究成果。據(jù)我所知，除了文中特別加Ｗ標(biāo)注和致謝的地方外，論文中不包含其他人己經(jīng)發(fā)表或撰寫過的研究成果也不包含為獲得安徽大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書而使用過的材一，料。與我同工作的同志對本研究所做的任何賈獻(xiàn)均己在論文中作了明確的說明并表示謝意。學(xué)位論文作者簽名：簽宇日期：年月日學(xué)位論文版權(quán)使巧授權(quán)書本學(xué)位論文作者完全了解安

3、徽大學(xué)有關(guān)保留、使用學(xué)位論文的規(guī)定，有權(quán)保留并向國家有關(guān)部口或機(jī)構(gòu)送交論文的復(fù)印件和磁盤，允許論文被查閱和借閱。本人授權(quán)安徽大學(xué)可Ｗ將學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫進(jìn)行檢索，可Ｗ采用影印、縮印或掃描等復(fù)制手段保存、匯編學(xué)位論義。（保密的學(xué)位論文在解密后適用本授權(quán)書）學(xué)位論文作者簽名：巧１句導(dǎo)師簽名；簽字日期：年去月乂日簽字日期：占年ｒ月ｔＴ日安微大學(xué)碩±學(xué)位論文摘要摘要隨著計(jì)算機(jī)技術(shù)的迅速發(fā)展，各類數(shù)據(jù)信息爆炸式的增長。計(jì)算機(jī)的計(jì)算和存儲能力也在日新月

4、異，如何從繁雜的數(shù)據(jù)中提取有用的信息，Ｗ幫助分析和決策，得到越來越多的重視。數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，而聚類作為數(shù)據(jù)挖掘領(lǐng)域的重要分支，對于大量數(shù)據(jù)的提取分析起著不可替代的作用。隨著數(shù)據(jù)形式的多樣化，數(shù)據(jù)規(guī)模的大型化，對聚類能力的要求也越來越嚴(yán)格。傳統(tǒng)聚類算法對初始點(diǎn)敏感，劃分能力差的缺點(diǎn)越來越滿足不了人們的需求。一人工蜂群算法是群智能算法的種，具有對初始點(diǎn)不敏感、適應(yīng)能為強(qiáng)和捜索能力強(qiáng)等優(yōu)點(diǎn)。而針對人工蜂群算法對單峰問題收斂速度慢、多峰問題容一易陷入局部最優(yōu)，Ｗ及相對單、隨機(jī)的擾動方

5、式等問題，我們參考了差分進(jìn)化算法中變異和交叉的思想，因?yàn)椴罘诌M(jìn)化算法經(jīng)過多年的研究和發(fā)展，具有。尋優(yōu)能力強(qiáng)，變異形式多樣的優(yōu)點(diǎn)通過結(jié)合差分進(jìn)化算法不同的變異方式，讓人工蜂群算法的擾動過程收集更多的有用信息，讓擾動變得更有目的性。不同的變異方式側(cè)重不同的種群中的信息，配合相應(yīng)的控制參數(shù)，平衡了算法的局部捜索和全局搜索能為，加快了算法的收斂速度。模糊Ｃ均值聚類算法在數(shù)據(jù)挖掘領(lǐng)域有著廣泛的使用背景，而對巧始點(diǎn)的敏感性和較差的搜索能力一，限制了算法的進(jìn)步推廣應(yīng)用。將改進(jìn)的人工蜂群算法和

6、模糊Ｃ－均值聚類算法結(jié)合得到基于改進(jìn)人工蜂群的模糊Ｃ－均值聚類算法，利用群智能算法適應(yīng)能力強(qiáng)、搜索能力強(qiáng)的優(yōu)點(diǎn)很好的彌補(bǔ)了模糊Ｃ均值聚類算法的缺點(diǎn)，并在多個國際標(biāo)準(zhǔn)數(shù)據(jù)集上的進(jìn)行實(shí)驗(yàn)驗(yàn)證。統(tǒng)計(jì)分析實(shí)驗(yàn)結(jié)果，表明此算法在收斂速度、聚類精度Ｗ及穩(wěn)定性等多個衡量指標(biāo)上取得了明顯的改進(jìn)。一－為了進(jìn)步推廣基于改進(jìn)人工蜂群的模糊Ｃ均值聚類算法，排除參數(shù)對實(shí)驗(yàn)結(jié)果的不確定性影響，我們進(jìn)巧了大量的實(shí)驗(yàn)，通過實(shí)驗(yàn)總結(jié)了算法中兩個重要的控制參數(shù)的變化規(guī)律。其中變異因子Ｆ的取值増大，會導(dǎo)致種群的多樣

7、Ｉ安徽大學(xué)碩±學(xué)位論文基于改進(jìn)人工蜂群的模糊Ｃ均值聚類算法研巧一性增加，算法早熟風(fēng)險(xiǎn)降低，穩(wěn)定性増加，但是算法的收斂速度會有定的下降。交叉因子Ｃ７？取值的増大，收斂速度加快，降低了聚類的迭代次數(shù)。但ＣＪ？一一的取值不能味的增大，因?yàn)椹柕娜≈党^定的闊值后，會使算法接近于ｉ？隨機(jī)搜索，收斂速度不升反降。再者Ｃ的取值需要根據(jù)實(shí)際數(shù)據(jù)集的情況確定，Ｃｉ？值過大，會導(dǎo)致局部搜索能力不夠，對于復(fù)雜聚類情化容易丟失全局最優(yōu)解，導(dǎo)致聚類穩(wěn)定性降低。關(guān)鍵詞：模糊Ｃ均值聚類；人工蜂群算街差分進(jìn)

8、化算涼變異因子：交叉因子ｎ安徽大學(xué)碩王學(xué)位論文ＡｂｓｔｒａｃｔＡｂｓｔｒａｃｔＷＷｉｔｆｅｄｅｖｅｌｏｐｍｅｎｔｏｆｃｏｎ＞ｕｔｅｒｔｅｃｈｎｏｌｏｇｙｄｉｆｅｒｅｎｔｋｉｎｄｓｏｆｉｎｆｏｒｍａｔｉｏｎ５，ａｒｅｅ＾ｑ＾ｂｓｉｖｅｇｒｏｗｔｈ，ｍｅａｎｗｈｉｌｅｃｏｎｐｕｔｉｎｇａｎｄｓｔｏｒａ＾ｃａｐａｃｉｔｙａｒｅａｌｓｏｒｉｓｉｎ