版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、數(shù)據(jù)挖掘有四種主要任務(wù):關(guān)聯(lián)分析、聚類(lèi)分析、預(yù)測(cè)建模、異常檢測(cè)。其中聚類(lèi)分析是最重要的使用最廣泛的任務(wù)之一。高效率和高精度結(jié)果一直是數(shù)據(jù)挖掘追求的目標(biāo)。為了實(shí)現(xiàn)這一目標(biāo),人們進(jìn)行了多種研究,其中一種就是將其它算法應(yīng)用到數(shù)據(jù)挖掘中,這些算法包括智能算法、啟發(fā)式算法,神經(jīng)網(wǎng)絡(luò),模糊理論,粗糙集理論等等。論文中將禁忌搜索思想和粒子群優(yōu)化算法引入到K-me~s聚類(lèi)算法中,以此來(lái)提高K-means聚類(lèi)算法的效率和聚類(lèi)結(jié)果的精度。 禁忌搜索
2、(Tabu Search)是一種智能啟發(fā)式的全局性鄰域搜索算法,它通過(guò)局部鄰域搜索機(jī)制和相應(yīng)的禁忌準(zhǔn)則來(lái)避免迂回搜索,并通過(guò)特赦準(zhǔn)則來(lái)釋放一些被禁忌的優(yōu)良對(duì)象,從而保證搜索的多樣化和有效性,研究表明它可以克服演化算法容易陷入早熟的缺陷,最終實(shí)現(xiàn)全局優(yōu)化。粒子群優(yōu)化算法(Pmicle SwarmOpfimiz~on)是一種演化計(jì)算技術(shù),它具有簡(jiǎn)單、有效、收斂速度較快、全局搜索能力較強(qiáng)等特點(diǎn),近年來(lái)受到學(xué)術(shù)界的高度關(guān)注,但是該算法也具有可能
3、陷入局部最優(yōu)進(jìn)而導(dǎo)致結(jié)果精度低和收斂速度慢的缺點(diǎn),因此在論文中使用禁忌搜索和控制參數(shù)等方法來(lái)改進(jìn)粒子群優(yōu)化算法,從而提高該算法的效率和解的精度。K-means是基于劃分的聚類(lèi)方法。它在目前的聚類(lèi)分析中應(yīng)用很廣泛。但是該算法的缺點(diǎn)是易陷入局部最優(yōu),效率不高。而且聚類(lèi)個(gè)數(shù)K常常是依據(jù)經(jīng)驗(yàn)來(lái)確定,這將影響聚類(lèi)結(jié)果。針對(duì)K-means算法的不足,把禁忌搜索思想和粒子群優(yōu)化算法引入到K-means聚類(lèi)算法中,以提高K-means算法的效率和結(jié)果精
4、度。論文中研究了禁忌對(duì)象和禁忌表結(jié)構(gòu)的選取、個(gè)體編碼方式的選取、慣性權(quán)重的改進(jìn)、罰函數(shù)的方式及表達(dá)式的選取和構(gòu)造、適應(yīng)度函數(shù)的構(gòu)造。實(shí)驗(yàn)證明改進(jìn)后的K-means算法的效率和結(jié)果精度都得到了提高。 為了進(jìn)一步提高算法的執(zhí)行效率,論文中研究了K-means算法的并行化。通過(guò)種群或者子種群之間的等價(jià)關(guān)系來(lái)確定等價(jià)類(lèi),按等價(jià)類(lèi)初步劃分種群,然后把劃分好的種群分配到Slave結(jié)點(diǎn)上,實(shí)現(xiàn)數(shù)據(jù)并行,最后由Master結(jié)點(diǎn)機(jī)進(jìn)行匯總給出結(jié)果
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 聚類(lèi)K-means算法及并行化研究.pdf
- 基于mapreduce的k-means并行算法設(shè)計(jì)
- 基于mapreduce的k-means并行算法設(shè)計(jì)
- 基于Mahout的并行化k-means聚類(lèi)算法優(yōu)化研究.pdf
- 基于Spark的K-means算法的并行化實(shí)現(xiàn)與優(yōu)化.pdf
- K-means算法并行實(shí)現(xiàn)與性能優(yōu)化.pdf
- K-means初始化算法研究.pdf
- 基于K-means的智能存儲(chǔ)算法.pdf
- 基于概念格的K-Means算法研究及應(yīng)用.pdf
- 基于k-means聚簇的分布式并行SVM算法優(yōu)化.pdf
- 基于K-Means的文檔聚類(lèi)算法研究.pdf
- 結(jié)合距離的基于密度的k-means算法研究.pdf
- 基于K-means聚類(lèi)算法的負(fù)荷模型研究.pdf
- 基于K-means聚類(lèi)的RCNA識(shí)別算法.pdf
- K-means聚類(lèi)算法的改進(jìn)研究.pdf
- 基于優(yōu)化K-means算法的電力負(fù)荷分類(lèi)研究.pdf
- 基于K-Means聚類(lèi)算法的客戶(hù)細(xì)分研究.pdf
- K-means聚類(lèi)算法的改進(jìn).pdf
- K-means聚類(lèi)算法的改進(jìn)研究及應(yīng)用.pdf
- (6)K-means聚類(lèi)算法.pdf
評(píng)論
0/150
提交評(píng)論