數(shù)據(jù)挖掘是目前人工智能和數(shù)據(jù)庫領(lǐng)域研究的關(guān)鍵技術(shù)之一,如何從海量信息中快速而有效的分析出用戶所需要的信息已成為數(shù)據(jù)挖掘的研究重點。聚類分析是數(shù)據(jù)挖掘中國內(nèi)外眾多學者關(guān)注的焦點,而具有簡單、高效、適用于高維復雜數(shù)據(jù)等優(yōu)點的聚類算法也成為了聚類分析的研究重點。因此,本文提出一種與群體智能算法融合的K_means聚類算法,提高了聚類質(zhì)量和精度。具體研究工作如下:（1）針對數(shù)據(jù)中各個屬性對于最終聚類結(jié)果的影響,提出一種改進的特征加權(quán)算法。改進算法通過采用信息熵和ReliefF算法對特征進行加權(quán)選擇,使算法達到更準確、更有效的聚類效果。實驗結(jié)果表明,與傳統(tǒng)的K_means算法相比,改進后的算法聚類結(jié)果穩(wěn)定,聚類的精度有明顯提升。（2）將改進的K_means算法與粒子群算法進行融合,提出一種基于粒子群算法的K_means混合聚類算法。利用粒子群算法的全局尋優(yōu)能力,得到全局最優(yōu)解作為K_means算法的初始聚類中心,解決了 K_means算法聚類結(jié)果易受初始值影響的問題,從而提高聚... 

【文章來源】：內(nèi)蒙古農(nóng)業(yè)大學內(nèi)蒙古自治區(qū)

【文章頁數(shù)】：45 頁

【學位級別】：碩士

【部分圖文】：

圖１聚類過程圖??Ｆｉｇ．?１?Ｃｌｕｓｔｅｒｉｎｇ?ｐｒｏｃｅｓｓ?ｃｈａｒｔ??

圖３粒子移動示意圖??Ｆｉｇ．３?Ｓｃｈｅｍａｔｉｃ?ｃｈａｒｔ?ｏｆ?ｐａｒｔｉｃｌｅ?ｍｏｖｅｍｅｎｔ??

圖４粒子群算法流程圖??Ｆｉｇ．４?ＰＳＯ?Ａｌｇｏｒｉｔｈｍ?ｆｌｏｗ?ｃｈａｒｔ??

【參考文獻】：
期刊論文
[1]基于Matlab和粒子群算法的磨礦技術(shù)效率預測模型[J]. 周文濤,韓躍新,李艷軍,楊金林.  東北大學學報(自然科學版). 2019(04)
[2]優(yōu)化正交匹配追蹤和短時譜估計用于聲音識別[J]. 陳秋菊,徐建國.  計算機工程與應用. 2020(07)
[3]一種基于譜聚類算法的高光譜遙感圖像分類方法[J]. 楊隨心,耿修瑞,楊煒暾,趙永超,盧曉軍.  中國科學院大學學報. 2019(02)
[4]基于回溯蟻群-粒子群混合算法的多點路徑規(guī)劃[J]. 劉麗玨,羅舒寧,高琰,陳美妃.  通信學報. 2019(02)
[5]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡的話題趨勢預測[J]. 馬曉寧,王惠.  計算機工程與設(shè)計. 2018(09)
[6]群體智能優(yōu)化算法[J]. 程適,王銳,伍國華,郭一楠,馬連博,史玉回.  鄭州大學學報(工學版). 2018(06)
[7]K-means算法研究綜述[J]. 叢思安,王星星.  電子技術(shù)與軟件工程. 2018(17)
[8]改進的K-means融合微粒群優(yōu)化的基因選擇方法[J]. 杜洪波,白阿珍,朱立軍.  沈陽工程學院學報(自然科學版). 2018(01)
[9]一種改進量子行為粒子群優(yōu)化算法的移動機器人路徑規(guī)劃[J]. 劉潔,趙海芳,周德廉.  計算機科學. 2017(S2)
[10]基于Hadoop平臺的K-means算法優(yōu)化綜述[J]. 孟佳偉,孫紅.  軟件導刊. 2017(06)

碩士論文
[1]基于優(yōu)化混合智能算法的云計算任務調(diào)度策略研究[D]. 趙莎莎.內(nèi)蒙古農(nóng)業(yè)大學 2018
[2]相關(guān)性加權(quán)K-means算法的改進及其應用[D]. 吳斌.江西理工大學 2018
[3]K-means聚類算法的改進研究[D]. 宋建林.安徽大學 2016
[4]優(yōu)化粒子群和蟻群算法的云計算任務調(diào)度研究[D]. 查安民.南京航空航天大學 2016
[5]K-means算法的改進及其在云任務分配策略中的應用研究[D]. 孫雪瑩.內(nèi)蒙古農(nóng)業(yè)大學 2014
[6]基于數(shù)據(jù)挖掘的酒店CRM客戶獲取的研究[D]. 易珺.廣東工業(yè)大學 2005



本文編號：2999860