需要金幣:![]() ![]() |
資料包括:完整論文,開題報(bào)告 | ![]() |
![]() |
轉(zhuǎn)換比率:金額 X 10=金幣數(shù)量, 例100元=1000金幣 | 論文字?jǐn)?shù):12050 | ![]() | |
折扣與優(yōu)惠:團(tuán)購(gòu)最低可5折優(yōu)惠 - 了解詳情 | 論文格式:Word格式(*.doc) | ![]() |
摘要:近些年來隨著信息化的不斷深入,人們的生活中需要獲取更多的數(shù)據(jù)。因此一時(shí)間數(shù)據(jù)挖掘成為信息產(chǎn)業(yè)界的熱門話題,聚類分析是數(shù)據(jù)挖掘的基礎(chǔ),也是一種自學(xué)習(xí)、自適應(yīng)的過程,聚類的最終目標(biāo)是在沒有給定任何有關(guān)知識(shí)的條件下,將各種不同的數(shù)據(jù)聚集成不同的類別。本文給出了一種基于遺傳算法的聚類分析方法。采用浮點(diǎn)數(shù)數(shù)據(jù)的編碼方式對(duì)聚類的中心進(jìn)行編碼,并且通過選擇、交叉和變異等操作對(duì)聚類中心的編碼進(jìn)行優(yōu)化,使得到聚類劃分效果最好的聚類中心。 遺傳算法是一種依據(jù)生物自然進(jìn)化的模式來尋找最優(yōu)解的方法,有效的利用全局搜索信息和其中的隱含并行性是它的主要優(yōu)點(diǎn)。因此,基于遺傳算法來研究聚類問題,有效的互補(bǔ)了聚類問題中的局部尋優(yōu)能力,從而更好的解決聚類問題。本文主要工作包括: 介紹了聚類分析的概念,常見的聚類方法以及遺傳算法的基本概念、研究現(xiàn)狀等,并進(jìn)行了相應(yīng)的分析。 采用了基于聚類中心的浮點(diǎn)編碼方式,對(duì)遺傳算法的基本要素的設(shè)計(jì)進(jìn)行了理論的分析與公式推導(dǎo),對(duì)聚類數(shù)目K值確定做了相應(yīng)研究,使得聚類算法具有更普遍的意義。 關(guān)鍵字:遺傳算法;適應(yīng)度函數(shù);聚類分析;自然進(jìn)化
目錄 摘要 ABSTRACT 1.1 課題研究背景以及意義-1 1.2 本文研究的主要內(nèi)容及安排-1 2 聚類分析-2 2.1 聚類分析的基本概念-2 2.2 聚類準(zhǔn)則函數(shù)-2 2.2.1 類間距離準(zhǔn)則-2 2.2.2 類間距離準(zhǔn)則-3 2.3 常見的三種聚類方法-4 2.3.1 近鄰聚類法-4 2.3.2 層次聚類法-4 2.3.3 動(dòng)態(tài)聚類算法-5 3 遺傳算法-7 3.1 遺傳算法的基本原理-7 3.2 遺傳算法的基本術(shù)語(yǔ)-7 3.3 遺傳算法的特點(diǎn)-8 3.4 遺傳算法的描述及流程-8 4 遺傳算法的matlab實(shí)現(xiàn)-10 4.1 算法基本流程-10 4.2 參數(shù)的設(shè)置-10 4.3 編碼的方法-11 4.4 種群的初始化-11 4.5 適應(yīng)度函數(shù)的設(shè)計(jì)-11 4.6 選擇操作-11 4.7 交叉操作-12 4.8 變異操作-13 5 仿真實(shí)驗(yàn)-14 5.1 實(shí)驗(yàn)環(huán)境-14 5.2 實(shí)驗(yàn)數(shù)據(jù)-14 5.3 實(shí)驗(yàn)結(jié)果和實(shí)驗(yàn)分析-15 6 總結(jié)與展望-19 6.1 總結(jié)-19 6.2 展望-19 致謝-21 參考文獻(xiàn)-22 |