本文關(guān)鍵詞：基于粒子群優(yōu)化算法的不確定聚類(lèi)技術(shù)研究

  更多相關(guān)文章： 粒子群 相似度 閾值控制 高斯噪聲擾動(dòng) 不確定聚類(lèi)

【摘要】：隨著通信、互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展改進(jìn),我們進(jìn)入了一個(gè)信息高度密集的大數(shù)據(jù)時(shí)代,來(lái)自于金融、互聯(lián)網(wǎng)、軍事、地理等行業(yè)的數(shù)據(jù)不計(jì)其數(shù),在這些數(shù)據(jù)的背后可能隱藏著許多有價(jià)值的信息,如何用數(shù)據(jù)挖掘技術(shù)來(lái)處理這些繁雜的數(shù)據(jù)成為了當(dāng)下的一個(gè)研究重點(diǎn)。聚類(lèi)分析是數(shù)據(jù)挖掘中最有活力的研究領(lǐng)域之一,但是隨著數(shù)據(jù)的不斷復(fù)雜化、數(shù)據(jù)規(guī)模逐漸增加,普通的聚類(lèi)算法已經(jīng)很難發(fā)揮作用,為了應(yīng)對(duì)這一情況,一些高維數(shù)據(jù)聚類(lèi)、不確定聚類(lèi)、基于群優(yōu)化的聚類(lèi)算法被相繼提出,用來(lái)處理這些復(fù)雜的大規(guī)模數(shù)據(jù)集。本文介紹了聚類(lèi)分析領(lǐng)域以及群優(yōu)化算法的相關(guān)研究進(jìn)展,對(duì)粒子群優(yōu)化進(jìn)行了重點(diǎn)分析研究,提出了一種基于相似度改進(jìn)的粒子群算法,并將該算法運(yùn)用到不確定聚類(lèi)分析算法中,最后通過(guò)實(shí)驗(yàn)分析了組合算法的性能。文章重點(diǎn)工作概括如下:1、針對(duì)粒子群算法易于過(guò)早收斂的不足,本文通過(guò)引入粒子間新的相似度的概念來(lái)度量粒子群的多樣性,并用自適應(yīng)變化閾值手段來(lái)控制調(diào)整粒子群算法的收斂速度,使其漸進(jìn)趨向于全局最優(yōu),在粒子群算法迭代過(guò)程中以相似度為基礎(chǔ),通過(guò)高斯等噪聲擾動(dòng)來(lái)重新調(diào)整粒子的位置從而避免算法陷入局部最優(yōu),從而得到了一種PSO算法的改進(jìn)算法,實(shí)驗(yàn)和性能分析表明,新算法可以有效提高算法的全局搜索能力,并有效回避收斂早熟問(wèn)題。2、將上述基于相似度改進(jìn)的粒子群優(yōu)化算法運(yùn)用到不確定聚類(lèi)分析之中,通過(guò)改進(jìn)粒子群算法的最優(yōu)化能力來(lái)指引不確定聚類(lèi)的進(jìn)行方向,并通過(guò)不確定聚類(lèi)的結(jié)果來(lái)反饋粒子群算法;此外,通過(guò)入侵?jǐn)?shù)據(jù)檢測(cè)的實(shí)驗(yàn)分析了組合算法的性能。
【關(guān)鍵詞】：粒子群 相似度 閾值控制 高斯噪聲擾動(dòng) 不確定聚類(lèi)
【學(xué)位授予單位】：北方民族大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18;TP311.13
【目錄】：

• 摘要3-4
• ABSTRACT4-7
• 第一章 緒論7-11
• 1.1 研究背景與意義7-8
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀8-9
• 1.3 本文的主要工作以及結(jié)構(gòu)體系9-11
• 第二章 基于群優(yōu)化的聚類(lèi)分析概述11-21
• 2.1 聚類(lèi)分析11-17
• 2.2 基于群優(yōu)化算法的聚類(lèi)分析17-21
• 第三章 基于相似度改進(jìn)的粒子群優(yōu)化算法21-31
• 3.1 引言21
• 3.2 粒子群算法21-22
• 3.3 基于相似度的改進(jìn)PSO算法22-26
• 3.4 實(shí)驗(yàn)與分析26-30
• 3.5 本章總結(jié)30-31
• 第四章 基于粒子群優(yōu)化算法的不確定聚類(lèi)分析31-42
• 4.1 引言31
• 4.2 基于改進(jìn)的粒子群的不確定聚類(lèi)分析算法31-37
• 4.3 改進(jìn)的粒子群聚類(lèi)算法用于網(wǎng)絡(luò)入侵?jǐn)?shù)據(jù)的檢測(cè)37-41
• 4.4 本章小結(jié)41-42
• 第五章 總結(jié)與展望42-44
• 5.1 本文主要工作總結(jié)42
• 5.2 未來(lái)展望42-44
• 參考文獻(xiàn)44-48
• 致謝48-49
• 個(gè)人簡(jiǎn)介49-50
• 在校期間科研成果50

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 敖永才;師奕兵;張偉;李焱駿;;自適應(yīng)慣性權(quán)重的改進(jìn)粒子群算法[J];電子科技大學(xué)學(xué)報(bào);2014年06期

2 熊眾望;羅可;;基于改進(jìn)的簡(jiǎn)化粒子群聚類(lèi)算法[J];計(jì)算機(jī)應(yīng)用研究;2014年12期

3 盛歆漪;孫俊;周，

本文編號(hào)：853004