基于變長染色體的量子遺傳聚類算法研究.pdf

1、量子遺傳算法是量子計算理論與遺傳算法相結合的產物,是上世紀90年代后期發(fā)展起來的一個研究領域。量子遺傳算法具有收斂速度快、全局搜索能力強等優(yōu)點,在處理優(yōu)化問題方面具有很強的優(yōu)勢。數據挖掘是隨著數據庫技術的不斷發(fā)展而形成的一門新學科。通過數據挖掘能從海量數據中發(fā)現有用數據,具有很強的實用性。聚類分析是數據挖掘中非常重要的分支,作為一種無監(jiān)督的模式識別技術被廣泛應用于各個行業(yè)。K-均值聚類是聚類分析方法中的一種,具有算法簡潔、收斂速度快等優(yōu)

2、點。但傳統(tǒng)的K-均值算法具有對初始值敏感、容易陷入局部最小值等缺點,且聚類中心數目 k需人為經驗確定,導致分類結果不一定最優(yōu)。
　　本文在前人的研究成果基礎上,提出一種基于變長染色體的量子遺傳聚類算法。首先,對初始種群做出了改進。種群中染色體長度不再是定值,而是在某一范圍內取值。這些長度變化的染色體組成聚類中心的集合。這樣就避免了k值人為經驗確定而帶來的問題。其次,設計了變長操作函數。在進化過程中,各聚類中心以最優(yōu)聚類中心為目標進