一种基于遗传算法的k均值聚类分析

《一种基于遗传算法的k均值聚类分析》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、万方数据学校代号：10536学号：11108030855长沙理工大学硕士学位论文一种基于遗传算法的k均值聚类分析学位申请人姓名蜃蜇指导教师罗可所在学院过簋扭皇逗筐王猩堂瞳专业名称盐簋扭型堂量堇苤论文提交日期2014年3月论文答辩日期2Q!垒生§旦答辩委员会主席奎篷云熬援万方数据长沙理工大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人

2、完全意识到本声明的法律后果由本人承担。作者签名：日期：刻乒年6月，日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时授权中国科学技术信息研究所将本论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。本学位论文属于l、保密口，在年解密后适用本授权书。2、不保密团。(请在以上相

3、应方框内打“4”)作者签名：导师签名：压踅、硬—r夕■日期：乃哗年∥月，日日期：)D?乒年‘月厂日万方数据ClusteringAnalysisofK—meansBasedonImprovedGeneticAlgorithmby1ANGZheB．E．(HunanInsitituteofScienceandTechnology)2011AthesissubmittedinpartialsatisfactionoftheRequirementsforthedegreeofMasterofEngineeringComputerApplicati

4、onTechnologyChangshaUniversityofScience&TechnologySupervisorProfessorLuoKeMarch，2014万方数据摘要科学技术的高速发展以及存储技术的提高，使得人们获得的数据量急剧膨胀。“数据海量、知识匮乏”的尴尬状况使得数据挖掘应运而生。数据挖掘能从这海量数据中提取潜在的、对人们有价值的信息，为我们的生产、生活带来很多方便。聚类分析是数据挖掘中的一个重要工具，利用聚类分析可以发现数据属性之间潜在的关系。K均值算法是一一种典型的聚类算法，具有收敛速度快、局部搜索能力强等优点。

5、但K均值算法存在着一些缺陷，比如对初始中心点明感，易陷入局部最优。本文针对K均值算法的不足作为出发点，提出了一些改进的方法，主要从以下几方面进行研究：在传统的K—mesns聚类算法基础上，本文提出了一种基于遗传算法的Kmeans聚类算法。遗传算法具有很好的全局寻优能力，采用竞争选择算子保存最优染色体，同时交叉算子和变异算法保证产生更优秀的染色体。通过一系列的遗传操作寻找到最佳的初始聚类中心，再执行K均值算法找到最终的聚类中心。提高了聚类的准确率，加快了收敛的速度，算法的稳定性也提高了。通过仿真实验，验iEFOA—Kmeans聚类算法的有

6、效性。将混合蛙跳算法与K均值算法结合，本文提出一种基于混合蛙跳算法的K—means聚类算法。混合蛀跳算法是一种智能优化算法，具有GA算法的全局寻优能力，还具有粒子群算法的局部寻优能力。利用混沌搜索优化初始解并且根据种群的适应度方差来判断是否进行K-means算法操作。提高了算法准确率，并且算法更加稳定。关键字：数据挖掘，聚类分析，K均值聚类算法，遗传算法，混合蛙跳算法万方数据ABSTRACTTherapiddevelopmentofscienceandtheimprovedofstoragetechnologythatmakedatet

7、ogetrapidexpansion．Theembarrassingsituationof’Massivedata．1ackofknowledge，”makesdataminingcameintobeing．Dataminingisusedtoextractpotentiallyvaluableinformationtopeoplefromthesemassivedata，bringingalotofconvenienceforourproductionandlife．ClusteranalysisiSanimportantdatami

8、ningtools，theuseofclusteranalysiScarlidentifypotentialrelationshipsbetweendataattributes．K-meanscluster