计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2010年
25期
142-145
,共4页
聚类分析%遗传算法%粗糙集%k-均值算法
聚類分析%遺傳算法%粗糙集%k-均值算法
취류분석%유전산법%조조집%k-균치산법
传统的聚类算法都是使用硬计算来对数据对象进行划分,然而现实中不同类之间对象通常没有明确的界限.粗糙集理论提供了一种处理边界对象不确定的方法.因此将粗糙理论与k-均值方法相结合.同时,传统的k-均值聚类方法必须事先给定聚类数k,但实际情况下k很难确定;另外虽然传统k-均值算法局部搜索能力强,但容易陷入局部最优.遗传算法能得到全局最优解,但收敛过快.鉴于此,提出了一种改进的基于遗传算法的的粗糙聚类方法.该算法能动态地生成k-均值聚类数,采用最大最小原则生成初始聚类中心,同时结合粗糙集理论的上近似和下近似处理边界时象.最后,用UCI的Iris数据集分别对算法进行实际验证.实验结果表明,该算法具有较高的正确率,综合性能更加稳定.
傳統的聚類算法都是使用硬計算來對數據對象進行劃分,然而現實中不同類之間對象通常沒有明確的界限.粗糙集理論提供瞭一種處理邊界對象不確定的方法.因此將粗糙理論與k-均值方法相結閤.同時,傳統的k-均值聚類方法必鬚事先給定聚類數k,但實際情況下k很難確定;另外雖然傳統k-均值算法跼部搜索能力彊,但容易陷入跼部最優.遺傳算法能得到全跼最優解,但收斂過快.鑒于此,提齣瞭一種改進的基于遺傳算法的的粗糙聚類方法.該算法能動態地生成k-均值聚類數,採用最大最小原則生成初始聚類中心,同時結閤粗糙集理論的上近似和下近似處理邊界時象.最後,用UCI的Iris數據集分彆對算法進行實際驗證.實驗結果錶明,該算法具有較高的正確率,綜閤性能更加穩定.
전통적취류산법도시사용경계산래대수거대상진행화분,연이현실중불동류지간대상통상몰유명학적계한.조조집이론제공료일충처리변계대상불학정적방법.인차장조조이론여k-균치방법상결합.동시,전통적k-균치취류방법필수사선급정취류수k,단실제정황하k흔난학정;령외수연전통k-균치산법국부수색능력강,단용역함입국부최우.유전산법능득도전국최우해,단수렴과쾌.감우차,제출료일충개진적기우유전산법적적조조취류방법.해산법능동태지생성k-균치취류수,채용최대최소원칙생성초시취류중심,동시결합조조집이론적상근사화하근사처리변계시상.최후,용UCI적Iris수거집분별대산법진행실제험증.실험결과표명,해산법구유교고적정학솔,종합성능경가은정.