基于微粒群優(yōu)化算法的聚類分析及應(yīng)用

《基于微粒群優(yōu)化算法的聚類分析及應(yīng)用》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、分類號(hào)：：TP391單位代碼：：10110學(xué)號(hào)：S20080668基于中北大學(xué)微粒群優(yōu)碩士學(xué)位論文化算法的聚基于微粒群優(yōu)化算法的聚類分析及應(yīng)分析及應(yīng)用用吳變樣中碩士研究生指導(dǎo)教師吳變樣楊明北大學(xué)學(xué)科專業(yè)應(yīng)用數(shù)學(xué)2011年5月30日?qǐng)D書分類號(hào)TP391密級(jí)非密UDC碩士學(xué)位論文基于微粒群優(yōu)化算法的聚類分析及應(yīng)用吳變樣指導(dǎo)教師（姓名、職稱）楊明副教授申請(qǐng)學(xué)位級(jí)別專業(yè)名稱論文提交日期論文答辯日期理學(xué)碩士應(yīng)用數(shù)學(xué)年______月______日年______月______日學(xué)位授予日期期______年_

2、_____月______日論文評(píng)閱人人__________________________________________________________答辯委員會(huì)主席席_______________________年月日原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過的科研成果。對(duì)本文的研究作出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。論文作者簽名：日期：關(guān)于學(xué)位論文使用權(quán)的說明本人完全了解中北大學(xué)有

3、關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部門送交學(xué)位論文的原件與復(fù)印件；②學(xué)?？梢圆捎糜坝?、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；③學(xué)?？稍试S學(xué)位論文被查閱或借閱；④學(xué)?？梢詫W(xué)術(shù)交流為目的，復(fù)制贈(zèng)送和交換學(xué)位論文；⑤學(xué)?？梢怨紝W(xué)位論文的全部或部分內(nèi)容（保密學(xué)位論文在解密后遵守此規(guī)定）。簽名：日期：導(dǎo)師簽名：日期：中北大學(xué)學(xué)位論文基于微粒群優(yōu)化算法的聚類分析及應(yīng)用摘要聚類分析作為數(shù)據(jù)挖掘和模式識(shí)別的主要方法之一，越來越引起人們的關(guān)注。在眾多的聚類方法中，C-均值算法是目前最實(shí)用也最受歡迎的算法之一。它不僅有著深厚的數(shù)學(xué)基礎(chǔ)，而且

4、在很多領(lǐng)域獲得了成功的應(yīng)用。但C-均值聚類算法的致命缺陷是對(duì)初始值比較敏感，往往只能得到模型的局部極值點(diǎn)，造成聚類結(jié)果的隨機(jī)性，影響聚類的效果。微粒群優(yōu)化算法（particleswarmoptimization,PSO）是一種應(yīng)用廣泛的全局優(yōu)化算法，它的主要特點(diǎn)是結(jié)構(gòu)簡(jiǎn)單、易于實(shí)現(xiàn)、通用性強(qiáng)、具有記憶功能。因此，把微粒群優(yōu)化算法同C-均值算法相結(jié)合，既能發(fā)揮微粒群優(yōu)化算法的全局尋優(yōu)能力，又可以兼顧C(jī)-均值算法的局部尋優(yōu)能力，從而更好的解決聚類問題。本文主要對(duì)微粒群優(yōu)化算法在聚類分析中的應(yīng)用進(jìn)行了研究。首先采用模糊球殼聚類算法FCSS(fuzzycspher

5、icalshells)分別對(duì)非同心球殼狀數(shù)據(jù)集和同心圓數(shù)據(jù)集進(jìn)行了聚類實(shí)驗(yàn)。結(jié)果發(fā)現(xiàn)FCSS算法對(duì)非同心球殼狀數(shù)據(jù)集分類的效果還是比較好的，而對(duì)于同心球殼狀數(shù)據(jù)集的聚類基本無效。因此提出使用標(biāo)準(zhǔn)微粒群優(yōu)化算法與FCSS相結(jié)合的球殼聚類方法（PSO-FCSS）來解決同心球殼聚類問題。通過實(shí)驗(yàn)發(fā)現(xiàn)：在對(duì)同心圓數(shù)據(jù)集的聚類問題上，PSO-FCSS算法與GA-FCSS算法(基于遺傳算法的模糊球殼聚類算法)相比，有相對(duì)較快的收斂速度，但是全局收斂性較差，表現(xiàn)為隨著數(shù)據(jù)點(diǎn)數(shù)和聚類類別數(shù)的增加，PSO-FCSS算法的聚類效果明顯不盡人意；而GA-FCSS算法具有較好的全

6、局收斂能力，但其缺陷是收斂速度慢。綜合上述因素，將GA（遺傳算法）、PSO算法以及FCSS相結(jié)合，提出混合球殼聚類算法PSO-GA-FCSS，用遺傳算法的交叉因子和變異因子來優(yōu)化微粒位置，增加其收斂到全局最優(yōu)解的能力，用于解決球殼狀數(shù)據(jù)的聚類問題。此外，本文還將基于微粒群優(yōu)化算法的C-均值聚類算法應(yīng)用于電信企業(yè)的客戶細(xì)分中。在細(xì)分過程中，先采用微粒群優(yōu)化算法產(chǎn)生初始解群后再進(jìn)行迭代更新，在算法后期對(duì)新產(chǎn)生的個(gè)體用C-均值算法進(jìn)行優(yōu)化，提高算法的收斂速度。這樣，算法基本不存在隨機(jī)尋優(yōu)的退化現(xiàn)象，后期收斂比較平穩(wěn)，很少有波動(dòng)現(xiàn)象，可以很好的解決客戶分中北大學(xué)學(xué)

7、位論文類問題，對(duì)企業(yè)決策和運(yùn)營有很大的指導(dǎo)意義。關(guān)鍵詞：聚類，模糊C-均值算法，模糊球殼聚類算法，微粒群優(yōu)化，客戶細(xì)分中北大學(xué)學(xué)位論文ClusteringanalysisandapplicationbasedonparticleswarmoptimizationalgorithmABSTRACTAsoneofthemostimportanttoolfordataminingandpatternrecognition,clusteringanalysishasbeenwidespreadwidelyandhasbeenahottopic.C-meansclu

8、steringalgorithmisthemostwidespre