基于群体智能的多目标聚类算法研究

《基于群体智能的多目标聚类算法研究》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、分类号密级硕士学位论文题目：基于群体智能的多目标聚类算法研究英文并列题目：ResearchonSwarmIntelligenceBasedMultiobjectiveClusteringAlgorithms研究生：朱书伟专业：控制科学与工程研究方向：检测技术与自动化装置导师：周治平教授指导小组成员：学位授予日期：2016年6月答辩委员会主席：于凤芹江南大学地址：无锡市蠡湖大道1800号二〇一六年六月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加Ｗ标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果

2、，也不包含本人为获得江南大学或其它教育机构的学位或证书而使福过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。東＞签名：餐日期／占年作坪：日／关于论文使用授权的说明本学位论文作者完全了解江南大学有关保留、使用学位论文的规定：江南大学有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被査阅和借阅，可Ｗ将学位论文的全部或部分内容编入有关数据库进行检索，可Ｗ采用影印、缩印或扫描等复制手段保存、汇编学位论文一，并且本人电子文档的内容和纸质论文的内容相致。保密的学位论文在解密后也遵守此规定。签

3、名：束导师签名：心绛吁為＿日親年＾月＼日／摘要摘要聚类是一种无监督分类技术，一直以来在数据挖掘、模式识别、图像处理等领域得到广泛的研究。近几十年来，各种各样的聚类算法相继被提出，其中以最优化目标函数为基本原理的聚类算法一直是研究最热门的一类，该类算法通常具有聚类效果良好、易于设计理解、应用范围广泛等优点。然而，这类算法通常无法避免局部最优的问题，且大多仅考虑单一聚类指标而存在较大的局限性。本文研究基于群体智能和多目标优化的聚类算法，主要包含以下方面的内容：（1）针对K-调和均值算法（K-HarmonicMeans,KHM）易陷于局部最优的缺点，提出一种融合混沌萤火虫算法

4、（FireflyAlgorithm,FA）的KHM。本文将基于并行混沌优化FA的精细搜索引入到聚类算法，通过并行混沌优化策略在当前最优解及次优解附近直接搜索，以增强算法的寻优性能。并且，将这种改进的FA用于KHM算法聚类中心的优化。此外，针对KHM中距离度量将所有特征视为相等的重要而存在的不足，本文中提出利用特征加权改进KHM算法。在其目标函数中，以加权欧氏距离替代了传统的欧氏距离，并证明了使得算法能够收敛的特征权重更新机制。实验结果表明，混沌萤火虫算法有效地抑制了KHM陷于局部最优的问题，但对聚类效果的改善不是很明显，通过属性加权使得该类算法的性能得到进一步的提升。（2）现有的属

5、性加权聚类算法大多是以单个目标函数进行优化而无法有效分析各种不同类型的数据，且对于非线性的复杂结构数据的性能较差。本文以自适应更新属性权重的核聚类算法为基础，提出一种基于核的属性加权多目标聚类算法，其中分别考虑聚类的类内和类间信息建立两个相对的目标函数，且不引入任何额外参数。并且为了降低对较大规模数据的时间复杂度，将采样操作与高效的聚类集成方法相结合对基于投影坐标值的最终解选取方法进行改进。实验结果表明，所提算法的聚类准确度与稳定性相对于现有的属性加权聚类算法具有明显的优势，并且获取聚类解的计算效率也获得了较大提升，能够有效地用于分析更多样性的数据。（3）针对传统面向分类属性数据的

6、聚类算法大多是对单一指标优化而存在的局限性，将类内和类间信息同时引入到优化过程中，结合多目标优化算法与模糊中心点聚类，提出一种新颖的多目标模糊聚类算法。与传统的基于遗传算法的混合聚类方法不同的是，采用模糊隶属度对染色体进行编码，同时优化两个相对的聚类目标函数获得一组最优解集，并且采用了一种提前终止准则判断算法是否达到稳定状态并停止操作，以减少不必要的计算开销。为了进一步提高算法的效率，通过采样子集计算出相应的模糊中心点作为类的表达，然后以这些模糊中心点计算出全体样本的隶属度矩阵即可获得最终的聚类结果。实验结果表明，所提方法在聚类精度和稳定性方面优于当前最新的多目标聚类算法，且计算效

7、率也获得较大的提升，在同类算法中具有较明显的优势。关键词：聚类分析；群体智能；多目标聚类；混沌优化；特征加权；聚类集成IAbstractAbstractClusteringisanunsupervisedalgorithm,whichhasbeenwidelyresearchedinmanyfields,suchasdatamining,patternrecognitionandimageprocessing.Duringtherecentseveraldecades