基于遗传算法的聚类分析.doc

资料分类:单片机自动化 上传会员:小胖猫 更新时间:2016-11-24
需要金币1000 个金币 资料包括:完整论文,开题报告 下载论文
转换比率:金额 X 10=金币数量, 例100元=1000金币 论文字数:12050
折扣与优惠:团购最低可5折优惠 - 了解详情 论文格式:Word格式(*.doc)

摘要:近些年来随着信息化的不断深入,人们的生活中需要获取更多的数据。因此一时间数据挖掘成为信息产业界的热门话题,聚类分析是数据挖掘的基础,也是一种自学习、自适应的过程,聚类的最终目标是在没有给定任何有关知识的条件下,将各种不同的数据聚集成不同的类别。本文给出了一种基于遗传算法的聚类分析方法。采用浮点数数据的编码方式对聚类的中心进行编码,并且通过选择、交叉和变异等操作对聚类中心的编码进行优化,使得到聚类划分效果最好的聚类中心。

遗传算法是一种依据生物自然进化的模式来寻找最优解的方法,有效的利用全局搜索信息和其中的隐含并行性是它的主要优点。因此,基于遗传算法来研究聚类问题,有效的互补了聚类问题中的局部寻优能力,从而更好的解决聚类问题。本文主要工作包括:

介绍了聚类分析的概念,常见的聚类方法以及遗传算法的基本概念、研究现状等,并进行了相应的分析。

采用了基于聚类中心的浮点编码方式,对遗传算法的基本要素的设计进行了理论的分析与公式推导,对聚类数目K值确定做了相应研究,使得聚类算法具有更普遍的意义。

    关键字:遗传算法;适应度函数;聚类分析;自然进化

 

目录

摘要

ABSTRACT

1.1  课题研究背景以及意义-1

1.2  本文研究的主要内容及安排-1

2  聚类分析-2

2.1  聚类分析的基本概念-2

2.2  聚类准则函数-2

2.2.1  类间距离准则-2

2.2.2  类间距离准则-3

2.3  常见的三种聚类方法-4

2.3.1  近邻聚类法-4

2.3.2  层次聚类法-4

2.3.3  动态聚类算法-5

3  遗传算法-7

3.1  遗传算法的基本原理-7

3.2  遗传算法的基本术语-7

3.3  遗传算法的特点-8

3.4  遗传算法的描述及流程-8

4  遗传算法的matlab实现-10

4.1  算法基本流程-10

4.2  参数的设置-10

4.3  编码的方法-11

4.4  种群的初始化-11

4.5  适应度函数的设计-11

4.6  选择操作-11

4.7  交叉操作-12

4.8  变异操作-13

5  仿真实验-14

5.1  实验环境-14

5.2  实验数据-14

5.3  实验结果和实验分析-15

6  总结与展望-19

6.1  总结-19

6.2  展望-19

致谢-21

参考文献-22

相关论文资料:
最新评论
上传会员 小胖猫 对本文的描述:遗传算法是借鉴生物的自然选择和遗传进化机制而开发出的一种全局优化自适应概率搜索算法。遗传算法使用群体搜索技术,通过对当前群体施加选择、交叉、变异等一系列遗传操作从而......
发表评论 (我们特别支持正能量传递,您的参与就是我们最好的动力)
注册会员后发表精彩评论奖励积分,积分可以换金币,用于下载需要金币的原创资料。
您的昵称: 验证码: