基于單親遺傳算法的聚類分析研究.pdf

1、聚類分析作為一種無監(jiān)督的分類方法是數(shù)據(jù)挖掘領(lǐng)域的一個非常重要的分支,被廣泛的應用于各行業(yè)。K均值聚類算法作為聚類分析的一種主要算法之一,有簡單、易懂等特點,但也存在一些缺點,如對初始中心點敏感、易陷入局部最優(yōu)值以及需事先確定聚類數(shù)等缺陷。針對這些缺點,本文提出一種基于單親遺傳算法和k均值聚類算法的混和聚類分析算法,并通過仿真實驗驗證了算法的有效性。
　　 本文的主要工作有以下幾個方面:
　　 首先,研究了聚類分析的有關(guān)性

2、質(zhì)、特點,詳細分析了k-means聚類算法的特點以及改進策略；
　　 其次,詳細分析了遺傳算法求解聚類問題的特點；
　　 第三,引入單親遺傳算法求解聚類劃分問題,對編碼方式做了相應的改進。設(shè)計了一種新的種群初始化方法,提高了算法的效率。構(gòu)造了新的變異算子,實現(xiàn)了對k值和聚類的優(yōu)化。引入了k-means操作作為局部尋優(yōu)算子。
　　 最后,驗證了算法的有效性:對兩組數(shù)據(jù)測試集,分別用k-means和基于單親遺傳算法的