学位论文 > 优秀研究生学位论文题录展示

基于蚁群的约束聚类和分类

作　者: 潘舟金
导　师: 陈崚; 徐晓华
学　校: 扬州大学
专　业: 计算机应用技术
关键词: 群体智能 蚁群聚类 随机游走 数据挖掘 约束聚类 约束分类 直推学习
分类号: TP311.13
类　型: 硕士论文
年　份: 2012年
下　载: 10次
引　用: 0次
阅　读: 论文下载
 

内容摘要


受大自然启发,基于仿真蚂蚁的无监督聚类技术在处理许多聚类问题上面取得成功。基于群体智能的方法在处理数据分析的问题上体现出来的潜力,吸引了大批研究人员。过去的研究主要集中在算法性能的提高,收敛性的证明,函数优化,组合优化等方面。在这样的背景下,本文创造性的利用群体智能的想法进行数据的挖掘分析,丰富了群体智能的应用领域。半监督信息的两种类别：一是少量数据点被标记,二是少量数据点被must-link和cannot-link约束。针对这两类信息,我们提出蚂蚁约束聚类,给蚁群聚类算法框架扩展了可以处理先验信息的能力,同时也提出了新的约束分类模型：蚂蚁约束分类即蚁群直推学习。聚类和分类是数据挖掘领域中一个非常重要的数据分析手段。约束聚类和约束分类主要处理学习问题的方式间于无监督学习和监督学习。在现实世界中,获得无先验类属信息的数据相对而言是比较廉价的,而给出数据点的类属信息和相关性往往要付出昂贵的代价。于是在拥有少量先验信息的情况下,改善聚类结果成为迫切需要。通常这样的学习问题也被称为半监督学习。半监督学习在处理现实世界中的问题时,表现出了良好的作用。与监督学习相比要节约更多的成本,同时比起完全无监督的学习策略,又能提高可观的学习精度。在学术界也吸引着大量学者的关注。本论文的具体贡献如下：(1)蚂蚁约束聚类。针对半监督信息以约束对出现的情况,将蚂蚁睡眠模型扩展成能处理must-link和cannot-link约束信息的约束聚类框架。根据nust-link和cannot-link约束限制采取最大最小策略修正数据点的相似度矩阵,我们提出了朴素蚂蚁约束聚类方法以及引入了吸引子和排斥子处理约束信息,我们提出了约束移动的蚂蚁约束聚类方法。(2)启发式蚂蚁聚类算法及其约束聚类问题推广。对RWAC算法进行了扩展和改善,蚂蚁在网格上随机游走之前,引入了启发式游走策略,并在启发式游走策略的选择过程中采用了最近邻最远邻的思想,融入半监督约束信息而提出了速度和精度都更加优秀的启发式蚂蚁聚类算法,并推广到处理约束聚类。(3)蚂蚁约束分类。这是针对半监督信息以少量已标记数据点出现的情况,提出了新的蚂蚁约束分类框架。在数据点构成的无向完全图上,每个数据顶点分配蚂蚁进行自避免的随机游走,碰到已标记的顶点则停止游走并更新标号向量。由多个蚂蚁的协作完成约束分类或者直推学习的任务。

全文目录


摘要  4-5
Abstract  5-9
第一章 引言  9-13
  1.1 研究背景  9-11
    1.1.1 群体智能  9-10
    1.1.2 蚂蚁睡眠模型  10
    1.1.3 数据挖掘  10
    1.1.4 机器学习及半监督学习  10-11
  1.2 课题引出  11-12
  1.3 论文的主要工作  12
  1.4 论文组织结构  12-13
第二章 主要技术和基本理论  13-19
  2.1 蚁群聚类算法  13-16
    2.1.1 基本模型(Basic Model)  13-14
    2.1.2 蚂蚁睡眠模型(Ant Sleep Model)  14-16
  2.2 约束聚类和分类  16-18
    2.2.1 基于约束的半监督聚类  16-17
    2.2.2 基于已标记数据和未标记数据的约束分类  17-18
  2.3 本章小结  18-19
第三章 蚂蚁约束聚类  19-29
  3.1 朴素蚂蚁约束聚类算法  19-23
    3.1.1 改进的适应度函数  19-20
    3.1.2 最大最小修正  20
    3.1.3 实验分析  20
    3.1.4 人工数据上算法正确性验证  20-21
    3.1.5 UCI数据集上的测试盒比较  21-23
  3.2 限制游走的蚂蚁约束聚类算法  23-28
    3.2.1 基本定义  23-24
    3.2.2 限制游走规则  24-25
    3.2.3 实验分析  25
    3.2.4 人工数据上算法正确性验证  25-26
    3.2.5 UCI数据集上的测试和比较  26-28
  3.3 本章小结  28-29
第四章 启发式蚂蚁聚类框架及其约束推广  29-43
  4.1 启发式游走机制  29-31
  4.2 实验分析  31
  4.3 人工数据上算法正确性验证  31-32
  4.4 UCI数据集上的测试和比较  32-41
  4.5 20NEWSGROUPS数据集上的测试和比较  41-42
  4.6 本章小结  42-43
第五章 蚂蚁约束分类  43-51
  5.1 约束分类及其应用简介  43
  5.2 LABEL PROPAGATION算法  43-45
    5.2.1 问题定义  44
    5.2.2 算法框架  44-45
  5.3 蚁群约束分类  45-46
  5.4 实验分析  46-50
    5.4.1 人工数据集上测试  46-47
    5.4.2 真实数据集上测试  47-50
  5.5 本章小结  50-51
第六章 总结与展望  51-52
  6.1 本文的主要研究成果  51
  6.2 未来的研究方向  51-52
参考文献  52-57
致谢  57-58
攻读学位期间发表的学术论文  58-59
攻读学位期间参加的研究工作  59-61

相似论文

  1. 基于数据挖掘技术的保健品营销研究,F426.72
  2. 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
  3. 张炳厚学术思想与临床经验总结及应用地龟汤类方治疗慢性肾脏病的经验研究,R249.2
  4. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  5. Bicluster数据分析软件设计与实现,TP311.52
  6. 蚁群算法及其在气象卫星云图分割中的应用,TP391.41
  7. 基于变异粒子群的聚类算法研究,TP18
  8. 基于遗传算法和粗糙集的聚类算法研究,TP18
  9. 生物地理学优化算法及其应用研究,Q15-3
  10. 面向社区教育的个性化学习系统的研究与实现,TP391.6
  11. 基于行业参数优化模型的投资项目决策支持系统,F283
  12. 数据挖掘在高职院校学生成绩分析中的应用,TP311.13
  13. 基于Moodle的高职网络教学系统设计与实现,TP311.52
  14. 结合蚁群算法与基于划分的DBSCAN聚类算法的研究,TP311.13
  15. 一种面向海量数据综合评价的树状数据结构的设计与研究,TP311.12
  16. 隐私保护线性规划和支持向量机新算法,O221.1
  17. 面向电子商务的Web数据挖掘应用研究,TP311.13
  18. 改进K-MEANS聚类算法在银行CRM中的应用与研究,TP311.13
  19. 基于云计算的Web教育爬虫,TP391.3
  20. 蚁群聚类算法研究与应用,TP18
  21. 基于支持向量机（SVM）理论的个人信用评估研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机软件 > 程序设计、软件工程 > 程序设计 > 数据库理论与系统
© 2012 www.xueweilunwen.com