基于微粒群优化算法的聚类分析及应用

基于微粒群优化算法的聚类分析及应用

ID:12783413

大小:1.17 MB

页数:0页

时间:2018-07-19

基于微粒群优化算法的聚类分析及应用_第页
预览图正在加载中,预计需要20秒,请耐心等待
资源描述:

《基于微粒群优化算法的聚类分析及应用》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、分类号::TP391单位代码::10110学号:S20080668基于中北大学微粒群优硕士学位论文化算法的聚基于微粒群优化算法的聚类分析及应分析及应用用吴变样中硕士研究生指导教师吴变样杨明北大学学科专业应用数学2011年5月30日图书分类号TP391密级非密UDC硕士学位论文基于微粒群优化算法的聚类分析及应用吴变样指导教师(姓名、职称)杨明副教授申请学位级别专业名称论文提交日期论文答辩日期理学硕士应用数学年______月______日年______月______日学位授予日期期______年_

2、_____月______日论文评阅人人__________________________________________________________答辩委员会主席席_______________________年月日原创性声明本人郑重声明:所呈交的学位论文,是本人在指导教师的指导下,独立进行研究所取得的成果。除文中已经注明引用的内容外,本论文不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本声明的法律责任由本人承担。论文作者签名:日期:关于学位论文使用权的说明本人完全了解中北大学有

3、关保管、使用学位论文的规定,其中包括:①学校有权保管、并向有关部门送交学位论文的原件与复印件;②学校可以采用影印、缩印或其它复制手段复制并保存学位论文;③学校可允许学位论文被查阅或借阅;④学校可以学术交流为目的,复制赠送和交换学位论文;⑤学校可以公布学位论文的全部或部分内容(保密学位论文在解密后遵守此规定)。签名:日期:导师签名:日期:中北大学学位论文基于微粒群优化算法的聚类分析及应用摘要聚类分析作为数据挖掘和模式识别的主要方法之一,越来越引起人们的关注。在众多的聚类方法中,C-均值算法是目前最实用也最受欢迎的算法之一。它不仅有着深厚的数学基础,而且

4、在很多领域获得了成功的应用。但C-均值聚类算法的致命缺陷是对初始值比较敏感,往往只能得到模型的局部极值点,造成聚类结果的随机性,影响聚类的效果。微粒群优化算法(particleswarmoptimization,PSO)是一种应用广泛的全局优化算法,它的主要特点是结构简单、易于实现、通用性强、具有记忆功能。因此,把微粒群优化算法同C-均值算法相结合,既能发挥微粒群优化算法的全局寻优能力,又可以兼顾C-均值算法的局部寻优能力,从而更好的解决聚类问题。本文主要对微粒群优化算法在聚类分析中的应用进行了研究。首先采用模糊球壳聚类算法FCSS(fuzzycspher

5、icalshells)分别对非同心球壳状数据集和同心圆数据集进行了聚类实验。结果发现FCSS算法对非同心球壳状数据集分类的效果还是比较好的,而对于同心球壳状数据集的聚类基本无效。因此提出使用标准微粒群优化算法与FCSS相结合的球壳聚类方法(PSO-FCSS)来解决同心球壳聚类问题。通过实验发现:在对同心圆数据集的聚类问题上,PSO-FCSS算法与GA-FCSS算法(基于遗传算法的模糊球壳聚类算法)相比,有相对较快的收敛速度,但是全局收敛性较差,表现为随着数据点数和聚类类别数的增加,PSO-FCSS算法的聚类效果明显不尽人意;而GA-FCSS算法具有较好的全

6、局收敛能力,但其缺陷是收敛速度慢。综合上述因素,将GA(遗传算法)、PSO算法以及FCSS相结合,提出混合球壳聚类算法PSO-GA-FCSS,用遗传算法的交叉因子和变异因子来优化微粒位置,增加其收敛到全局最优解的能力,用于解决球壳状数据的聚类问题。此外,本文还将基于微粒群优化算法的C-均值聚类算法应用于电信企业的客户细分中。在细分过程中,先采用微粒群优化算法产生初始解群后再进行迭代更新,在算法后期对新产生的个体用C-均值算法进行优化,提高算法的收敛速度。这样,算法基本不存在随机寻优的退化现象,后期收敛比较平稳,很少有波动现象,可以很好的解决客户分中北大学学

7、位论文类问题,对企业决策和运营有很大的指导意义。关键词:聚类,模糊C-均值算法,模糊球壳聚类算法,微粒群优化,客户细分中北大学学位论文ClusteringanalysisandapplicationbasedonparticleswarmoptimizationalgorithmABSTRACTAsoneofthemostimportanttoolfordataminingandpatternrecognition,clusteringanalysishasbeenwidespreadwidelyandhasbeenahottopic.C-meansclu

8、steringalgorithmisthemostwidespre

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。