基于量子遺傳算法的K調(diào)和均值聚類(lèi)算法的研究.pdf

1、數(shù)據(jù)挖掘是近年來(lái)在信息決策領(lǐng)域較為活躍的熱點(diǎn)課題。在數(shù)據(jù)挖掘的眾多技術(shù)中，聚類(lèi)分析尤為重要，它把數(shù)據(jù)對(duì)象分為若干類(lèi)，讓同一類(lèi)中對(duì)象的相似性盡可能大，不同類(lèi)間對(duì)象的相似性盡可能小，K調(diào)和均值聚類(lèi)算法(KHM)是一種類(lèi)似于k-means的聚類(lèi)算法，屬于劃分聚類(lèi)，該算法用數(shù)據(jù)點(diǎn)與所有聚類(lèi)中心的距離的調(diào)和平均值替代了K-means算法中數(shù)據(jù)點(diǎn)與聚類(lèi)中心的最小距離，成功地解決了K-means算法對(duì)初值敏感的問(wèn)題。KHM實(shí)現(xiàn)簡(jiǎn)單，對(duì)初值不敏感，收斂

2、速度快，但容易陷入局部最優(yōu)值。遺傳算法是一種高效的全局搜索方法，具有較強(qiáng)的魯棒性和全局尋優(yōu)能力。本文先將遺傳算法跟K調(diào)和均值聚類(lèi)算法相結(jié)合，互相取長(zhǎng)補(bǔ)短，提出了一種新的算法:基于遺傳算法的K調(diào)和均值聚類(lèi)算法(GAKHM)。并通過(guò)實(shí)驗(yàn)驗(yàn)證了GAKH具有較好的聚類(lèi)效果。然后，針對(duì)GAKHM具有執(zhí)行效率低，時(shí)間復(fù)雜度大等缺點(diǎn)，本文在GAKHM的基礎(chǔ)上，引入量子算法，從而提出了基于量子遺傳算法的K調(diào)和均值聚類(lèi)算法(QGAKHM)。實(shí)驗(yàn)結(jié)果表明Q

3、GAKHM是一種執(zhí)行效率高，聚類(lèi)效果好的算法。
　　 本研究主要內(nèi)容包括：首先介紹了本文所需要的基礎(chǔ)知識(shí)，主要有聚類(lèi)分析，遺傳算法和量子遺傳算法相關(guān)知識(shí)。對(duì)它們的基本原理，優(yōu)缺點(diǎn)進(jìn)行了詳細(xì)的分析。其次針對(duì)遺傳算法和K調(diào)和均值聚類(lèi)算法的優(yōu)缺點(diǎn)，提出了一種新算法:GAKHM。并從適應(yīng)度函數(shù)的構(gòu)造，染色體編碼，選擇算子，交叉算子，變異算子和K調(diào)和均值聚類(lèi)算法的操作等方面對(duì)GAKHM進(jìn)行詳細(xì)的描述。實(shí)驗(yàn)結(jié)果表明GAKHM算法能夠優(yōu)化聚類(lèi)