基于膜系統(tǒng)的聚類優(yōu)化算法研究.pdf

1、生物計(jì)算是計(jì)算科學(xué)和生命科學(xué)的交叉研究領(lǐng)域。膜計(jì)算是生物計(jì)算的分支，其計(jì)算模型統(tǒng)稱為膜系統(tǒng)（P系統(tǒng)），具有分布式與極大并行性及容錯(cuò)性強(qiáng)的優(yōu)點(diǎn)。對(duì)于數(shù)據(jù)進(jìn)行聚類是數(shù)據(jù)挖掘與知識(shí)發(fā)現(xiàn)的重要組成部分，聚類有多種方法，這些方法各有自己的優(yōu)勢(shì)與不足，分別在不同的應(yīng)用領(lǐng)域中取得理想的聚類效果。隨著信息時(shí)代的到來，聚類分析面臨的數(shù)據(jù)量陡然增加，數(shù)據(jù)類型紛繁復(fù)雜，經(jīng)典聚類算法已經(jīng)不能滿足當(dāng)今日益變化的數(shù)據(jù)分析需要，聚類算法的優(yōu)化研究成為領(lǐng)域內(nèi)的研究熱點(diǎn)

2、。論文提出兩個(gè)基于高效聚類優(yōu)化算法的細(xì)胞型P系統(tǒng)，解決復(fù)雜聚類問題；將兩個(gè)P系統(tǒng)應(yīng)用于數(shù)據(jù)挖掘領(lǐng)域與圖像分割領(lǐng)域，主要工作如下：
　　（1）介紹了本研究涉及的膜計(jì)算與聚類優(yōu)化算法的研究背景和研究現(xiàn)狀，膜計(jì)算及聚類領(lǐng)域的現(xiàn)有基本的理論與方法，膜計(jì)算的研究對(duì)象、結(jié)構(gòu)、規(guī)則以及現(xiàn)存的計(jì)算框架，現(xiàn)在廣泛應(yīng)用的幾大類聚類算法，以及目前對(duì)于聚類算法的一些改進(jìn)及本研究的創(chuàng)新點(diǎn)與難點(diǎn)。
　?。?）提出了兩個(gè)核心算法，第二章提出了一個(gè)基于GD

3、-K-medoids聚類算法的細(xì)胞型P系統(tǒng)。該新算法結(jié)合了網(wǎng)格聚類，密度聚類以及劃分聚類中K-medoids算法的優(yōu)點(diǎn)，并設(shè)計(jì)了全新的膜結(jié)構(gòu)與膜規(guī)則實(shí)現(xiàn)該算法。將基于 GD-K-medoids聚類算法的細(xì)胞型P系統(tǒng)與經(jīng)典聚類算法做實(shí)際數(shù)據(jù)集上的比較分析，證明P系統(tǒng)在算法時(shí)間復(fù)雜度和準(zhǔn)確度等方面具有一定優(yōu)勢(shì)。第三章提出了一個(gè)基于細(xì)胞型P系統(tǒng)的 MDE-K-means聚類算法，從膜計(jì)算與聚類算法結(jié)合的新角度出發(fā)實(shí)現(xiàn)算法。本章將改進(jìn)之后的算法

4、與原始算法在人工數(shù)據(jù)集上進(jìn)行聚類，對(duì)幾種算法做類間分離度，類內(nèi)緊密度比較分析，證明了提出的膜系統(tǒng)的有效性。
　　（3）將本研究提出的基于膜系統(tǒng)的GD-K-medoids聚類算法應(yīng)用于澳門游客消費(fèi)能力分析中，數(shù)據(jù)為澳門旅游局提供的官方數(shù)據(jù)與問卷，提取其中與消費(fèi)能力相關(guān)的屬性，并對(duì)數(shù)據(jù)進(jìn)行清洗，最后獲得3577個(gè)有效數(shù)據(jù)，將數(shù)據(jù)分為六類后，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行評(píng)價(jià)與分析，根據(jù)不同類別游客具有不同的年齡、性別、收入、行為特征等，其在不同方面的

5、花費(fèi)也差別較大。通過本章的實(shí)驗(yàn)與分析獲得更有價(jià)值的知識(shí)發(fā)現(xiàn)，為澳門旅游局提供營(yíng)銷策略參考。
　?。?）將提出的基于 MDE-K-means算法的膜系統(tǒng)應(yīng)用于圖像分割中，從分割清晰度，迭代次數(shù)，迭代時(shí)間上進(jìn)行分割比較，驗(yàn)證算法的有效性。多次實(shí)驗(yàn)后結(jié)果表明，本文提出的膜系統(tǒng)應(yīng)用于圖像分割中相比經(jīng)典K-means算法及FCM聚類算法，具有較好的分割效果。第六章為總結(jié)與展望，梳理研究涉及的全部?jī)?nèi)容。本研究為聚類問題的解決提供了新的方法，為