一种基于层次聚类遗传k均值算法地研究

《一种基于层次聚类遗传k均值算法地研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、一种基于层次聚类的遗传K均值算法研究专业：信息计算科学硕士生：余庆鑫指导老师：吴红副教授摘要在信息纯高度发达的今天，麸数据海洋审提取出知识宝藏具有深远的意义。聚类律为数据挖掘的重臻方面，被广泛应用于零售业、金融业和生物科学等领域。聚类算法，更是整个聚类分析的核心。聚类算法的各方面性能，将决定整个聚类分析结果的质最，及其对现实生活的指导作用。在保持聚类算法结果稳定性和有效性的前提下，如何减轻用户负担和降低准入门槛，是一个十分有意义鹃研究谭题。本文首先对数据挖掘作了简单介绍。接着，详细介绍了数据挖掘中的聚类分析。然后，针对遗传算法的基本概念、基本流程及其研究进展等，本文也给予详

2、细介绍。目前大部分聚类算法都要求预先指定诸如聚类数目、距离阈值或密度阙值等参数，但是这些参数都楚和领域知识密切楱关的，即使是领域专家也缀难直接给出最佳的参数值，更不必说一般的用户了。为了减轻用户的负担和降低聚类分析的准入门槛，本文在深入研究相关算法的基础上，提出了凝聚遗传K均值聚类算法(AgglomerateGeneticK-MeansAlgorithm，简称AGKA)。作为本文的创新点，AGKA算法提供了一种零输入参数、多阶段、自适应确定聚类数和效果较好懿聚类算法。本文详细奔绍了AGKA算法豹总体絮槐及其流程的四个阶段，即初始化阶段、ExtendedWard阶段、最近邻凝

3、聚聚类阶段和遗传K—Means阶段，并且对其进行了细致的分析。AGKA算法有如下几个突出的优点：l。AGKA算法是一种零参数聚类算法，完全不需要焉户预先输入蓉鹰参数，大大遗减轻了耀户蕊负担，即使是没有深厚领域知识的普遵照户也可以轻松使用此算法；2．AGKA算法采用改进的Ward凝聚层次聚类算法来自动确定给定数据集的最佳聚类数目，而且还能给出不同分辨率下的最佳聚类数目，解决了目前大部分聚类算法只能得到唯一聚类数目的问题；3．AGKA结合了层次聚类算法和划分聚类算法的优点，并且综会运翅遗传算法盼全局寻绕能力释K-Means算法的局部快速撬纯麓力来对蓠蘧层次聚类阶段的结果进行精细

4、化和全局优化，从而使得最终的聚类结果其有更好的稳定性和有效性，进而提高AGKA算法的普适性。最后，本文在VisualC十+6．O平台上实现了AGKA算法，并且使用了7个人工数据集帮3个标准数据集进行实验；麸准确率、类内内聚度霹类阉摆吴度三个熊度分析实验缝采，将AGKA算法与其他算法作比较，从而在实践中检验AGKA算法的稳定性和有效性。本文末尾还对全文进行了总结，并对进一步的工作进行了展望。关键词：聚类，AGKA，GKA，ExtendedWard，K-MeansResearchIntoAGeneticK-MeansAlgorithmBasedOnHierarchicalClu

5、steringMajor：InformationandComputationalScienceName：YuQingXinSupervisor：．WuHongABSTRACTInmodemsociety,informationtechnologyishighiydeveloped，anditisofgreatimportancetodiscoverinterestingknowledgefromthevastoceanofdata．Asoneofthemostimportantcomponentsofdatamining，clusteringhasbeenwidelyuse

6、dinmanyfields，suchasretail，financialservicesandbiologicalscience．Beingtheexactcoreofclustering，clusteringalgorithmwouldgreatlyinfluencethequalityandusefulnessofclusteringresults．Ⅵ，iththestabilityandeffectivenessofclusteringresultsunchanged，itwouldbequiteameaningfulresearchsubjecttoreduceus

7、ers’burdenanddifficultyofrunningtheclusteringalgorithm．TmSthesisgivesabriefintroductiontodataminingandclustering．AndthenspecificinformationonW打dhierarchicalclusteringalgorithm，K-Meansclusteringalgorithmandgeneticalgorithmisalsoprovided．So鲺mostclusteringalgorit