南京大学学报(自然科学版)
南京大學學報(自然科學版)
남경대학학보(자연과학판)
JOURNAL OF NANJING UNIVERSITY(NATURAL SCIENCES)
2005年
z1期
749-754
,共6页
陈庆章%韩江洪%张维一%谈国泉%郎美亚
陳慶章%韓江洪%張維一%談國泉%郎美亞
진경장%한강홍%장유일%담국천%랑미아
适应性遗传算法%聚类%遗传算法%K-Means
適應性遺傳算法%聚類%遺傳算法%K-Means
괄응성유전산법%취류%유전산법%K-Means
数据聚类(Clustering),是数据分析的重要前提和数据挖掘的重要应用基础之一.通过聚类可以将数据库中属性值一样的数据归类在一起.在切割式数据聚类的方法中,常用的算法是K-Means算法;但K-Means算法在处理大量的数据聚类时,无法妥善聚类以及对于重叠的数据点无法妥善处理.给出一种适应性遗传算法,它借助遗传算法拥有的随机多点搜寻的能力以及鲁棒性,搭配着选择、交配和突变流程,同时结合适应性的观念来解决K-Means算法的缺点.以适应性遗传算法来解决数据聚类的问题,从实验结果来看,适应性遗传算法的聚类结果优于传统的聚类方式.
數據聚類(Clustering),是數據分析的重要前提和數據挖掘的重要應用基礎之一.通過聚類可以將數據庫中屬性值一樣的數據歸類在一起.在切割式數據聚類的方法中,常用的算法是K-Means算法;但K-Means算法在處理大量的數據聚類時,無法妥善聚類以及對于重疊的數據點無法妥善處理.給齣一種適應性遺傳算法,它藉助遺傳算法擁有的隨機多點搜尋的能力以及魯棒性,搭配著選擇、交配和突變流程,同時結閤適應性的觀唸來解決K-Means算法的缺點.以適應性遺傳算法來解決數據聚類的問題,從實驗結果來看,適應性遺傳算法的聚類結果優于傳統的聚類方式.
수거취류(Clustering),시수거분석적중요전제화수거알굴적중요응용기출지일.통과취류가이장수거고중속성치일양적수거귀류재일기.재절할식수거취류적방법중,상용적산법시K-Means산법;단K-Means산법재처리대량적수거취류시,무법타선취류이급대우중첩적수거점무법타선처리.급출일충괄응성유전산법,타차조유전산법옹유적수궤다점수심적능력이급로봉성,탑배착선택、교배화돌변류정,동시결합괄응성적관념래해결K-Means산법적결점.이괄응성유전산법래해결수거취류적문제,종실험결과래간,괄응성유전산법적취류결과우우전통적취류방식.