学位论文 > 优秀研究生学位论文题录展示

基于遗传算法和粗糙集的聚类算法研究

作　者: 洪亮亮
导　师: 罗可
学　校: 长沙理工大学
专　业: 通信与信息系统
关键词: 数据挖掘 K-means聚类算法 遗传算法 粗糙集 增量 分类型数据
分类号: TP18
类　型: 硕士论文
年　份: 2011年
下　载: 17次
引　用: 0次
阅　读: 论文下载
 

内容摘要


随着计算机技术和数据库技术的快速发展,在各个领域里都产生了大量的数据,海量的数据背后隐藏着许多重要信息,人们希望能够分析数据,提取出对人们有用的知识。数据挖掘应运而生,它是目前数据库和信息决策领域最前沿的研究方向之一。聚类分析作为数据挖掘的一个重要分支,其基本目的是通过分析数据间的相似性来发现目标的自然分组特性。本文探讨了基于遗传算法和粗糙集的聚类算法及其增量算法,探讨了针对分类型数据的聚类算法。本文主要研究工作如下:1.分析了现有粗糙K-means聚类算法的优缺点,根据遗传算法的遗传进化以及最大最小距离算法思想,提出了一种优化粗糙K-means的方法,该算法能动态且非随机的确定初始中心点,同时能很好地处理边界对象。实验结果表明了该算法的有效性和正确性。2.分析了现有非增量式粗糙聚类算法的优缺点,根据增量式思想及近邻思想,提出了一种增量式聚类方法。实验表明,该算法能充分利用前次挖掘结果,提高原有聚类信息的利用率及聚类效率,同时也能处理动态环境下和大的数据集。3.提出了一种有效的处理分类型数据的聚类方法,该方法将K-means算法扩展到分类型数据域,克服了传统K-means算法只限于处理数值型数据的缺点。该方法根据与每个分类属性的每个值相关的数据分布信息,同时结合数据的纵向与横向分布来评价数据对象与类之间的差异性,提出了一种新的度量。实验表明,该算法能发现同一属性的不同值间的内在关系,并能有效地度量对象间的差异性。

全文目录


摘要  5-6ABSTRACT  6-11第一章 绪论  11-19  1.1 研究的背景和意义  11-12  1.2 数据挖掘的理论和应用  12-17    1.2.1 数据挖掘的发展背景  12-13    1.2.2 数据挖掘的研究现状  13-14    1.2.3 粗糙集与数据挖掘  14    1.2.4 遗传算法与数据挖掘  14-15    1.2.5 聚类技术研究现状  15-16    1.2.6 聚类算法面临的挑战  16-17  1.3 本文的主要工作  17  1.4 本文的组织  17-19第二章 聚类分析  19-27  2.1 聚类的形式化描述  19  2.2 聚类分析中的基本数据结构  19-20  2.3 聚类分析中的基本数据类型  20-21  2.4 相似度度量方法  21-23    2.4.1 距离度量  21-22    2.4.2 相似性度量  22-23  2.5 聚类分析中的主要算法及其比较  23-25    2.5.1 聚类算法介绍  23-24    2.5.2 聚类算法的比较  24-25  2.6 K-means 聚类算法概述  25-26    2.6.1 K-means 聚类简介  25    2.6.2 K-means 算法特点  25-26  2.7 本章小结  26-27第三章 基于遗传算法和粗糙集的聚类算法  27-41  3.1 粗糙集基本理论  27-28    3.1.1 不可分辨关系  27-28    3.1.2 集合的上、下近似  28    3.1.3 粗糙集的基本性质  28  3.2 遗传算法基本理论  28-30    3.2.1 遗传算法的处理流程  29    3.2.2 遗传算法的特点  29-30  3.3 最大最小距离算法  30-31  3.4 基于遗传算法的粗糙K-means 算法设计  31-38    3.4.1 孤立点预处理  31-32    3.4.2 编码方案  32-33    3.4.3 适应度函数设计  33-34    3.4.4 遗传操作  34-35    3.4.5 聚类边界和聚类中心的计算  35-36    3.4.6 算法收敛准则  36    3.4.7 终止条件  36    3.4.8 算法描述  36-38    3.4.9 算法复杂度分析  38  3.5 算法仿真及结果分析  38-40    3.5.1 算法仿真  38-39    3.5.2 结果分析  39-40  3.6 本章小结  40-41第四章 增量式聚类算法  41-52  4.1 问题提出  41  4.2 增量式聚类思想  41-44    4.2.1 增量式聚类算法的主要步骤  42    4.2.2 数据的插入  42-43    4.2.3 数据的删除  43    4.2.4 增量处理后的类别情况  43-44  4.3 增量式过程的设计  44-46    4.3.1 类消除条件  44    4.3.2 类分裂条件  44    4.3.3 数据插入操作  44-45    4.3.4 数据删除操作  45-46  4.4 基于K-means 的动态增量聚类算法  46-48    4.4.1 初始聚类  46    4.4.2 动态的粗糙增量聚类算法描述  46-47    4.4.3 算法复杂度分析  47-48  4.5 算法仿真及结果分析  48-51    4.5.1 算法仿真  48-50    4.5.2 结果分析  50-51  4.6 本章小结  51-52第五章 字符型数据聚类算法  52-62  5.1 问题的提出  52  5.2 字符属性知识  52-54    5.2.1 字符属性的值域  52-53    5.2.2 字符属性值的距离尺度  53    5.2.3 字符属性值的距离度量  53-54  5.3 基于K-means 的字符型数据聚类研究  54-59    5.3.1 相关定义  54-55    5.3.2 字符属性值之间的距离评价  55-56    5.3.3 对象与对象的距离  56    5.3.4 聚类中心的表示  56-57    5.3.5 样本与聚类中心的距离  57    5.3.6 算例分析  57-58    5.3.7 算法描述  58    5.3.8 算法复杂度分析  58-59  5.4 算法仿真及分析  59-60    5.4.1 算法仿真  59-60    5.4.2 结果分析  60  5.5 本章小结  60-62第六章 结论与展望  62-64  6.1 结论  62  6.2 展望  62-64参考文献  64-68致谢  68-69附录 （攻读硕士学位期间发表论文目录）  69-70摘要  70-74ABSTRACT  74-78

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 基于支持向量机的故障诊断方法研究,TP18
  4. 基于数据挖掘技术的保健品营销研究,F426.72
  5. 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
  6. 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
  7. 社会主义和谐社会视阈下的增量民主研究,D621
  8. 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
  9. 部队人员网上训练与考核系统的开发,TP311.52
  10. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  11. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  12. 基于遗传算法的中短波磁天线的设计及实现,TN820
  13. 基于遗传算法的柑橘图像分割,TP391.41
  14. 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
  15. 全球化背景下当代中国发展道路研究,D616
  16. 基于遗传—牛顿算法的公交优化调度,TP18
  17. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  18. 基于连锁图的QTL综合分析方法研究,S562
  19. Bicluster数据分析软件设计与实现,TP311.52
  20. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  21. 基于变异粒子群的聚类算法研究,TP18

中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com