基于动态膜计算的聚类算法

《基于动态膜计算的聚类算法》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、硕士学位论文基于动态膜计算的聚类算法学科、专业：研究方向：申请学位类别：申请人：指导教师：二〇一三年四月单位代码学号分类号ClusteringAlgorithmBasedOnDynamicMembraneComputingSystemADissertationSubmittedtotheGraduateSchoolofHenanUniversityinPartialFulfillmentoftheRequirementsfortheDegreeofMasterofEngineeringByLiZhengSupervisor:Prof.FengHonghaiMay,2013关于学位论文

2、独创声明和学术诚信承诺本人向河南大学提出硕士学位申请。本人郑重声明：所呈交的学位论文是本人在导师的指导下独立完成的，对所研究的课题有新的见解。据我所知，除文中特别加以说明、标注和致谢的地方外，论文中不包括其他人已经发表或撰写过的研究成果，也不包括其他人为获得任何教育、科研机构的学位或证书而使用过的材料。与我一同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。在此本人郑重承诺：所呈交的学位论文不存在舞弊作伪行为，文责自负。学位申请人（学位论文作者）签名：201年月日关于学位论文著作权使用授权书本人经河南大学审核批准授予硕士学位。作为学位论文的作者，本人完全了解并

3、同意河南大学有关保留、使用学位论文的要求，即河南大学有权向国家图书馆、科研信息机构、数据收集机构和本校图书馆等提供学位论文（纸质文本和电子文本）以供公众检索、查阅。本人授权河南大学出于宣扬、展览学校学术发展和进行学术交流等目的，可以采取影印、缩印、扫描和拷贝等复制手段保存、汇编学位论文（纸质文本和电子文本）。（涉及保密内容的学位论文在解密后适用本授权书）学位获得者（学位论文作者）签名：201年月日学位论文指导教师签名：201年月日摘要聚类分析算法是一种无监督的学习方法，通过寻找数据对象中隐藏的模式来对数据进行自然的、智能的分组。它根据对聚类原理的分析，本质上是一种优化问题的

4、方法，是数据挖掘一个重要的研究方向。而膜计算是进化计算的一个新的分支，在优化方面有自身不可比拟的优势，具有并行性、分布式的特性，且该特性使其具有超越图灵机的巨大潜力。本文在聚类分析算法以及膜计算研究的基础上，提出将膜计算用于聚类分析的新思想。（1）根据不同标准分类研究聚类分析。基于不同样本数据类型，研究了聚类方法。对比不同方法间的优劣，从而得到较为理想的聚类结果，使其应用过程中，能够及时的调整方法去解决实际问题。最后通过仿真验证了算法的效果。（2）根据膜计算结构、对象以及原则的基本要素对膜计算进行研究。类似于聚类分析，不同的对象会形成不同类型的算法。而规则更为特殊，膜计算的规则是自行定义

5、设置，可以根据系统的动态需求，制定动态的规则，引出更为适合处理数据对象的动态膜计算。（3）将膜计算的优势引入到聚类分析，得到一种更优秀的聚类算法，使膜计算和聚类分析得到更广泛的应用。借鉴MCMO算法，利用膜计算的动态结构对数据对象进行聚类分析，通过对数据对象一次次的运用规则，产生新的膜以得到聚类结果。仿真实验中对MCMO算法代表的膜计算以及K-means算法代表的聚类分析算法性能的测试，本文采用三个测试函数，使其与Pareto最优边界进行比较，由对比的结果来说明运用膜计算进行聚类分析的优势。关键词：聚类，膜计算，动态膜，进化，MCMO算法IABSTRACTTheclusteringana

6、lysisalgorithmisanunsupervisedlearningmethod,anditgroupsthedatabyfindingthehiddenpatternsnaturallyandintelligently.Thisalgorithmisbasedontheanalysisoftheclusteringprinciple,andinessenceitisamethodofoptimizationproblems.Alsoitisanimportantresearchdirectionindatamining.Psystemisanewbranchofevolutio

7、narycomputation,andintermsofoptimizationithasitsownincomparableadvantages.Psystemhasthefeaturesofparallelismanddistributednature,makingithasagreatpotentialtoexceedtheTuringmachine.Onthebasisoftheanalysisofclusteralgori