基于量子粒子群优化的自动聚类算法研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:hlly369
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
现如今,科技领域多学科交叉,学科间交互渗透已然成为众多学科的所共同具有的特征。由信息科学与生命科学共同结合而成的智能计算即是这类新的交叉学科。在已存在的智能计算领域中的所有群体智能算法,都是起源于科学家模拟、分析自然界中生物群体行为的群智能算法(Swarm Intelligence Algorithm)。该类算法在近几年中成为研究的热点,其中作为群体智能算法的典型代表,粒子群算法(Particle Swarm Optimization, PSO),由于其具有易于实现、高效等特点受到人们的重视,而孙军等人提出的量子粒子群算法(Quantum-Behaved Particle SwarmOptimization, QPSO),不但具有传统粒子群算法的优点,更克服了其非全局收敛的缺点。聚类(Clustering)这一概念,一直存在于人们生活之中,聚类方法也为解决实际问题而服务。多年来,聚类已成为数据挖掘领域的一个重点。然而,随着社会的发展,实际问题越来越复杂,以往那种需要预先确定类别数的算法已不能满足现代复杂的实际问题。而实现数据的自动聚类近年来引起学术界的广泛关注,成为当今科研的热点。核(Kernel)方法亦是模式识别方向的一种方法。当前核方法已在诸多方面如支持矢量积、高斯过程等方面获得应用,而其由低维向高维转变问题的特点决定了核方法在数据聚类领域能够使得原来的那些聚类方法性能有所提高。本论文综合上述三个方面,提出了基于量子粒子群算法的自动核聚类方法。不但能够很好地解决球形数据自动聚类问题,而且能够实现非球形数据的自动聚类。本文主要工作如下:1)提出了基于QPSO算法的自动聚类算法。该方法充分利用了QPSO算法的全局收敛性,能克服早收敛的特点,从而精确找寻到待分类数据集的准确分类个数。2)针对上一算法无法对非簇状数据进行处理的问题加以改进,加入核的思想。在保证对簇状数据集分类准确度不变的情况下,实现对非簇状数据集的分割。3)利用引入权重的量子粒子群算法(WQPSO算法)在原算法的基础上做进行进一步的改进。通过引入带权重值,使得算法更贴近实际应用,并使用UCI数据对有权重和无权中的两种自动聚类算法做了对比实验。本文得到如下基金资助:国家自然科学基金:61272279和61001202;中国博士后科学基金特别资助:200801426;中国博士后科学基金:20080431228以及中央高校基本科研业务费专项资金资助:JY10000902040。
其他文献
本文通过对荣华二采区10
期刊
城市化进程加快与车辆增加导致交通拥塞、事故频发的现象日益严重,用于缓解交通拥塞的智能公交系统(ITS)成为研究热点。本文设计研发了一种基于智能公交系统的多功能终端控制
耐辐射球菌是一种极端细菌,它能够耐受致死剂量的电离辐射。耐辐射球菌具有高效的DNA修复能力、快速DNA损伤响应能力以及多种抗氧化机制,这些特性对耐辐射球菌的极端抗性做出了
科技进步使人机交互方式朝着更加自然、人性化的方向发展,传统的交互方式已不能满足人们的需求。近年来增强现实和虚拟现实技术发展迅速,推动了基于手势识别的交互技术的发展
随着信息技术与数据存储技术的不断发展,数据挖掘作为一种强有力的信息处理技术,已经成为当前最前沿和最活跃的研究方向之一。而聚类分析正是其中重要的一门学科,现在被广泛使用
为了揭示丝羽和片羽羽毛结构差异形成的秘密,寻找控制羽形性状的基因;在对鸡羽形性状遗传连锁定位的基础上,本研究选择鸡3号染色体上BMP5、cEphA7、Tbx18基因作为候选基因,通
植物在长期生长过程中会形成一系列的生活史策略来应对难以预测的环境变化。本研究以生长在运城盐湖的一年生植物盐地碱蓬(Suaeda salsa)为研究案例,通过野外调查和室内实验相结
中华锯齿米虾(Neocaridina denticulata sinensis)(以下简称米虾)不仅是一种重要的淡水经济虾类,而且因其繁殖周期短,在人工控制条件下可多次繁殖,又是生态、生理和毒理等实验的
近年来,在计算机视觉领域目标检测算法已经得到了深入的研究。目标检测算法等图像处理类算法的广泛应用,与硬件平台的不断进步有着不可分割的联系。目标检测算法与人手检测具