进化算法自适应分类.ppt

《进化算法自适应分类.ppt》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、进化算法自适应分类报告人：刘丛第一部分K-means基本概念第二部分用进化算法解决k-means第三部分分类的有效性函数第四部分可变长进化算法的编码方式第五部分实验和总结K-means基本概念(1)K-means算法：（1）适当选择k个类的初始中心；（2）在第k次迭代中，对任意一个样本，求其到k个中心的距离，将该样本归到距离最短的中心所在的类；（3）利用均值等方法更新该类的中心值；（4）对于所有的k个聚类中心，如果利用（2）-（3）的迭代法更新后，值保持不变，则迭代结束，否则继续迭代。K-means基本概念(2)K-m

2、eans的优点：能处理大型数据集，结果类相当紧凑，并且类和类之间明显分离K-means的缺点：（1）该算法必须事先给定类数和初始中点，类数和中点的初始值设定往往会对聚类的算法影响较大。（2）通常会在获得一个局部最优值时停止（3）并且只适合对数值型数据聚类（4）只适用于聚类结果为凸形的数据集，K-means方法不适合发现非凸面形状的类簇，或者大小差别很大的类。（5）对“噪音”和孤立点数据敏感，少量的该类数据对质点的计算会产生极大的影响。用进化算法解决k-means（1）进化算法是以达尔文的进化论思想为基础，通过模拟生物进

3、化过程与机制的求解问题的自组织、自适应的人工智能技术。进化算法步骤：（1）初始化种群（2）（a）选择（b）交叉（c）变异（3）计算适应度函数及代数，如果满足适应度函数或满足最大代数则终止，否则转向（2）用进化算法解决k-means（2）进化算法特点：（1）遗传算法从问题解的串集开始搜索，而不是从单个解开始，避免了陷入局部最优。（2）同时处理群体中的多个个体，即对搜索空间中的多个解进行评估.（3）对搜索空间没有任何特殊要求（如连通性、凸性等），只利用适应性信息，不需要导数等其它辅助信息，适应范围更广。（4）遗传算法的初始

4、串集本身就带有大量与最优解甚远的信息；通过选择、交叉、变异操作能迅速排除与最优解相差极大的串；这是一个强烈的滤波过程；并且是一个并行滤波机制。故而，遗传算法有很高的容错能力（5）具有自组织、自适应和自学习性我们可以用遗传算法的第（1）个特点，解决k-means算法中对初始值要求太高的缺陷。用进化算法解决k-means（3）进化算法的分类方法编码：进化算法处理分类问题主要有三种编码方式（a）二进制编码[1000101000]（b）整数编码[1111223333]（c）实际编码[1.5,1.5,5.0,5.5,10.5,1

5、.5]适应度函数：分类的有效性函数（1）指标越大表示聚类效果越好，但是随着数据点个数的增加，计算量增加过快，对噪声比较敏感。分子表示类内的紧凑度，值越小，说明类内相似性越大越紧凑，分母表示类间的分离度，值越大，说明不相似性越大，本指标，值越小，分类的结果越好。可以反映数据集的结构特征，缺点是，类数越大，指标趋向于0，失去了判定能力。也不能处理重叠数据集合分类的有效性函数（2）该模型只使用隶属度参数，缺少直接的形状关系，当类别很少的时候，得出的结果很好分类的有效性函数（3）分类的有效性函数（4）分类的有效性函数（5）分类

6、的有效性函数（6）我们的有效性函数：Comp(k)表示聚类的紧密度，k值越大，结果越小，Sep（k）表示类间距的分离度。该模型可以运用进化算法进行最优解搜寻搜寻空间为k∈[kmin,kmax],kmax=sqrt（n）可变长进化算法的编码方式(1)传统的变长编码方式：（1）树结构编码（2）mga变长编码（3）基于相似度的可变长编码（4）agent编码可变长进化算法的编码方式(3)编码方式li>0.5,中心有效；li>0.5,中心无效；可变长进化算法的编码方式(3)适应度函数实验和总结（1）实验和总结（2）实验与总结（3

7、）实验与总结（4）实验和总结（5）实验和总结（6）结果分析（1）我们使用欧氏距离作为距离公式，所以对数据集的几何形状具有很大的敏感性（2）由于该模型需要考虑类间距，所以我们设置的案例类别数至少是两类谢谢大家