资源描述：
《粒子群聚类算法综述_李峻金》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、第26卷第12期计算机应用研究Vol126No1122009年12月ApplicationResearchofComputersDec12009粒子群聚类算法综述1123李峻金,向阳,芦英明,吴朔桐(1.西安通信学院,西安710106;2.中国特种车辆研究所,北京100072;3.中国人民解放军61516部队,北京100094)摘要:聚类分析是数据挖掘的重要技术之一,它能够通过无监督的学习过程发现隐藏的模式,具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍,对几种主要的粒子群聚类
2、算法的基本原理及其特点进行了总结,并分析比较了它们的优点和不足,概述了粒子群聚类算法的常见应用领域;最后探讨了粒子群聚类算法进一步的研究方向。关键词:聚类分析;群智能;粒子群优化算法中图分类号:TP301文献标志码:A文章编号:1001-3695(2009)12-4423-05do:i10.3969/.jissn.1001-3695.2009.12.006Surveyofparticleswarmclusteringalgorithms1123LIJun-jin,XIANGYang,LUYing-ming,WUS
3、huo-tong(1.Xi.anCommunicationsInstitute,Xi.an710106,China;2.China.sSpecialVehicleResearchInstitute,Beijing100072,China;3.PLA61516Unit,Beijing100094,China)Abstract:Clusteringanalysisisoneofthemiportantdataminingtechniquesthatcandiscoverhiddenmodesbyunsupervise
4、dlearningandhastheabilityofacquiringknowledgeindependently.Thispaperpresentedanal-laroundintroductionofPSO-basedclusteringmethodsinexistingliteratures,describedthebasicprinciplesandthecharacteristicsoftheexistingpopularparticleswarmclusteringalgorithms,andmad
5、ethecomparisonabouttheirmeritsanddemerits.Thensummarizedtheapplica-tionsofparticleswarmclusteringalgorithms.Finally,pointedoutthefutureresearchdirectionsofparticleswarmclusteringa-lgorithms.Keywords:clusteringanalysis;swarmintelligence;particleswarmoptmiizati
6、on(PSO)这些问题与要求,传统的聚类分析方法已经显得无能为力。0引言为解决上述问题,研究者们开始尝试各种智能聚类方法。聚类(clustering)是将一批现实或抽象的数据对象分组成群智能算法中的粒子群优化算法(PSO)逐渐引起人们的注意,[4]为多个类或簇的过程[1]。聚类分析源于数据挖掘、统计学、机并在聚类分析中取得了比传统方法更好的效果。PSO算法器学习、模式识别等许多领域,是人们认识和探索事物之间内主要是在群体的集群行为和自组织原则指导下的随机搜索和在联系的有效手段。通过聚类,人们能够识别密集的和稀疏的
7、优化技术,它强调分布式、相对简单主体之间直接或间接的交区域,发现全局的分布模式以及数据属性之间有趣的相互关互作用,具有很强的适应性和鲁棒性。PSO算法潜在的并行性系。此外,聚类分析也可以作为其他分析算法(如关联规则、和分布式特点使其能够处理以数据库形式存在的大量数据;另分类等)的预处理步骤[2]。在过去的几十年中,聚类分析在工一方面,聚类可以被看成一个复杂的全局优化问题,因此PSO程学、计算机科学、地球科学以及社会科学和经济学等许多领算法可以用于聚类分析。域起着越来越重要的作用。1传统聚类分析技术随着计算机技术、
8、网络技术和信息技术的迅速发展,一些规模巨大且结构复杂的数据在科学和工程应用领域不断出现。传统的聚类方法可以大致分为层次方法和划分方法两类,如何处理这些数据并从中得到有益的信息,越来越引起人们的每一类又包含大量不同的算法。普遍关注。大规模复杂数据集的出现对聚类分析技术提出了层次方法是对给定的数据对象的集合进行层次的分界。特殊的挑战,它要求聚类算法具有可伸缩性、处理不同类型数
