通信技术
第26卷第12期2009年12月
计算机应用研究
ApplicationResearchofComputersVol126No112Dec1

2009
粒子群聚类算法综述
李峻金,向 阳,芦英明,吴朔桐
100094)
1
1
2
3
(1.西安通信学院,西安710106;2.中国特种车辆研究所,北京100072;3.中国人民解放军61516部队,北京
摘 要:聚类分析是数据挖掘的重要技术之一,,具有独立发现知识的能力。,法的基本原理及其特点进行了总结,;最后探讨了粒子群聚类算法进一步的研究方向。关键词:聚类分析;群智能;中图分类号:TP301 :100123695(2009)1224423205
doi:10.3969/j.issn.2009..ofparticleswarmclusteringalgorithms
LIJun2jin,XIANGYang,LUYing2ming,WUShuo2tong
61516Unit,Beijing100094,China)
1
1
2
3
(1.Xi’anCommunicationsInstitute,Xi’an710106,China;2.China’sSpecialVehicleResearchInstitute,Beijing100072,China;3.PLA
Abstract:Clusteringanalysisisoneoftheimportantdataminingtechniquesthatcandiscoverhiddenmodesbyunsupervised
learningandhastheabilityofacquiringknowledgeindependently.Thispaperpresentedanall2aroundintroductionofPSO2basedclusteringmethodsinexistingliteratures,describedthebasicprinciplesandthecharacteristicsoftheexistingpopularparticleswarmclusteringalgorithms,andmadethecomparisonabouttheirmeritsanddemerits.Thensummarizedtheapplica2tionsofparticleswarmclusteringalgorithms.Finally,pointedoutthefutureresearchdirectionsofparticleswarmclusteringal2gorithms.
Keywords:clusteringanalysis;swarmintelligence;particleswarmoptimization(PSO)
引言
聚类(clustering)是将一批现实或抽象的数据对象分组成为多个类或簇的过程[1]。聚类分析源于数据挖掘、统计学、机器学习、模式识别等许多领域,是人们认识和探索事物之间内在联系的有效手段。通过聚类,人们能够识别密集的和稀疏的区域,发现全局的分布模式以及数据属性之间有趣的相互关系。此外,聚类分析也可以作为其他分析算法(如关联规则、分类等)的预处理步骤[2]。在过去的几十年中,聚类分析在工程学、计算机科学、地球科学以及社会科学和经济学等许多领域起着越来越重要的作用。
随着计算机技术、网络技术和信息技术的迅速发展,一些规模巨大且结构复杂的数据在科学和工程应用领域不断出现。如何处理这些数据并从中得到有益的信息,越来越引起人们的普遍关注。大规模复杂数据集的出现对聚类分析技术提出了特殊的挑战,它要求聚类算法具有可伸缩性、处理不同类型数据、发现任意形状的簇、处理高维数据的能力等,并要求聚类结果对用户来说应该是可判断的、能理解的和可用的[2,3]。面对
收稿日期:2009204202;修回日期:2009206213
这些问题与要求,传统的聚类分析方法已经显得无能为力。
为解决上述问题,研究者们开始尝试各种智能聚类方法。群智能算法中的粒子群优化算法(PSO)逐渐引起人们的注意,并在聚类分析中取得了比传统方法更好的效果[4]。PSO算法主要是在群体的集群行为和自组织原则指导下的随机搜索和优化技术,它强调分布式、相对简单主体之间直接或间接的交互作用,具有很强的适应性和鲁棒性。PSO算法潜在的并行性和分布式特点使其能够处理以数据库形式存在的大量数据;另一方面,聚类可以被看成一个复杂的全局优化问题,因此PSO算法可以用于聚类分析。
传统聚类分析技术
传统的聚类方法可以大致分为层次方法和划分方法两类,每一类又包含大量不同的算法。
层次方法是对给定的数据对象的集合进行层次的分界。在层次聚类中,用一个“树”表示聚类的过程序列,根据层次分界的表示方式,层次方法又可以分为凝聚的和分裂的两种。层次方法具有两个基本优点[5]:簇的数目不需要事先确定,它与
作者简介:李峻金(19852),男,安徽阜阳人,硕士研究生,主要研究方向为人工智能与聚类分析(tspace1985@gmail.com);向阳(19682),女,湖南长沙人,副教授,硕士,主要研究方向为计算机与数据库安全;芦英明(19852),男,陕西西安人,助理工程师,主要研究方向为装备系统工程;吴朔桐(19852),女,内蒙古通辽人,助理工程师,主要研究方向为通信工程.
第26卷第12期2009年12月 计算机应用研究Application V01.26No.12Dec.2009 ResearchofComputer6 粒子群聚类算法综述李峻金1,向10()01941 阳1,芦英明2,吴朔桐3 ...
粒子群聚类算法综述_李峻金_机械/仪表_工程科技_专业资料 暂无评价0人阅读0次下载举报文档 粒子群聚类算法综述_李峻金_机械/仪表_工程科技_专业资料。第 26...
粒子群聚类算法综述_信息与通信_工程科技_专业资料。粒子群算法的概述第26 卷第 12期2009年12月 计算机应用研究ApplicationResearchofComputers Vol.No.2612Dec....
粒子群算法综述【摘要】 :粒子群算法(pso)是一种新兴的基于群体智能的启发式 全局搜索算法,具有易理解、易实现、全局搜索能力强等特点,倍 受科学与工程领域的广泛...
粒子群聚类算法综述 5页 免费 基于粒子群的聚类算法改... 55页 3下载券...%粒子群聚类算法 function [m_pattern]=C_PSO(m_pattern,patternNum) disType=...
粒子群优化算法及其应用综... 3页 免费 粒子群聚类算法综述 5页 2财富值...2003 M 文章编号: 100120920 ( 2003) 0220129206 微粒群算法综述谢晓锋, 张...
粒子群聚类算法综述 5页 免费 基于粒子群的K均值聚类算... 5页 免费一种基于粒子群算法的聚类算法...
一种基于粒子群的聚类算法_专业资料。针对缸中心点算法对初始化敏感和容易陷入局部极值的缺点,提出一种基于粒子群算法和密度初始化改进的K-中心点聚类算法。该算法...
粒子群聚类算法代码_IT/计算机_专业资料。用MATLAB语言实现的粒子群聚类算法,... 粒子群聚类算法综述 5页 免费 基于粒子群优化的文档聚... 6页 免费 免疫...
粒子群聚类算法综述 5页 免费 粒子群聚类MATLAB代码 4页 1下载券基于粒子群优化的文档聚类算法...
热门文档