一種改進的遺傳算法在K-Means聚類分析中的應用.pdf

1、一般我們在處理某些特殊事情的時候，往往需要借助工具，將事物分類之后再進行研究，比如地質資源勘探中根據物探、鉆探的指標對樣本進行分類；考古生物學研究中根據發(fā)掘出的骨骸形狀和大小將它們分類；氣象衛(wèi)星系統中因為所監(jiān)測到數據信息非常復雜、龐大，需要將它們按照不同的指標進行分類歸整，再進行深入分析，以便做出準確的預報等等，聚類分析因此應運而生。聚類分析技術是一門將具體或抽象的對象劃分成不同的類別的科學，其中并沒有事先的分類。它也是一種重要的人類行

2、為。隨著計算機和信息技術的快速發(fā)展，數據信息呈現飛速增長的趨勢，作為數據挖掘技術的一種重要手段，聚類分析已經被越來越多的人所關注。
　　K-Means算法是一種基于劃分的算法，由于其操作簡單，原理通俗易懂的特點，得到了人們的廣泛應用和研究，成為十大典型數據挖掘算法之一。但是K-Means算法也有自身的不足，即k值不好確定的問題，初始中心只能隨機選擇，容易陷入局部最優(yōu)解等，導致算法很不穩(wěn)定。因此，本文在K-Means聚類算法基礎上引

3、入遺傳算法，它是一種通過模仿生物演化過程而開發(fā)的進行搜索最優(yōu)解的方法，具有良好的全局搜索能力。針對兩種算法的特點，提出一種改進遺傳算法應用于K-Means聚類的混合算法，并用樣本數據集進行了仿真實驗，實驗表明本文算法在應用中得到了良好的聚類效果。
　　本文的工作主要分為兩部分：
　　1)第一部分主要簡單介紹了聚類分析、K-Means算法和遺傳算法的基本概念。重點概述了K-Means算法和遺傳算法的基本思想，描述了算法的組成和