數(shù)據(jù)挖掘中基于遺傳算法的聚類方法應(yīng)用研究.pdf

1、近年來數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的廣泛關(guān)注，其主要原因是存在大量的可用數(shù)據(jù)，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識。通過數(shù)據(jù)挖掘，可以將知識發(fā)現(xiàn)的研究成果應(yīng)用于實際數(shù)據(jù)處理中，為科學(xué)決策提供支持。聚類分析是數(shù)據(jù)挖掘的一項基本任務(wù)，是一個無監(jiān)督的學(xué)習(xí)過程，聚類的目標(biāo)是在沒有任何先驗知識的前提下，將數(shù)據(jù)聚集成不同的簇，使得相同簇中的元素盡可能相似，不同簇中的元素差別盡可能大。通過聚類，人們能夠識別密集的和稀疏的區(qū)域，因而發(fā)現(xiàn)全局的分布模

2、式，以及數(shù)據(jù)屬性之間有趣的相互關(guān)系。
　　 在數(shù)據(jù)挖掘中，聚類分析也是一種很長用的技術(shù)。而聚類技術(shù)中K-means聚類分析技術(shù)又是最常用的方法。但K-means算法在實際應(yīng)用中需要用戶給出要聚類的數(shù)目即k的值，另外，K-means算法在運行時要首先隨機產(chǎn)生一個初始聚類中心，然后再對使用這個初始聚類中心得到的聚類結(jié)果進行不斷調(diào)整，而這個聚類結(jié)果在很大程度上受初始聚類中心選取的影響。為了消除K-means聚類算法對于用戶輸入k值的依

3、賴，也為了減小K-means聚類算法受初始聚類中心的影響，本文引入了遺傳算法。本文的主要工作包括：
　　 ①介紹分析了聚類算法以及遺傳算法。介紹了數(shù)據(jù)挖掘的相關(guān)概念、任務(wù)、方法，然后介紹了聚類分析的概念、常見算法以及遺傳算法的基本概念、研究現(xiàn)狀等，并進行了相應(yīng)的分析。
　　 ②結(jié)合遺傳算法和K-均值算法的優(yōu)點，提出一種基于遺傳算法的k-means聚類算法，并在該算法的基礎(chǔ)上提出了改進的遺傳聚類算法，該算法根據(jù)聚類實際情況