《基於元啟發式算法的聚類分析關鍵問題研究》是依託電子科技大學,由劉勇國擔任醒目負責人的青年科學基金項目。
基本介紹
- 中文名：基於元啟發式算法的聚類分析關鍵問題研究
- 依託單位：電子科技大學
- 項目類別：青年科學基金項目
- 項目負責人：劉勇國
項目摘要,結題摘要,
項目摘要
聚類分析是數據挖掘、機器學習、模式識別等領域的重要研究內容，是國內外研究廣泛且非常活躍的重要課題。本項目探討基於元啟發式算法的聚類分析中幾個關鍵問題的解決方法，研究工作包括：（1）將貓群最佳化引入聚類問題研究，設計適合聚類分析的搜尋模式和追蹤模式，為聚類問題求解提供新方法；（2）面向聚類問題建立遺傳算法的選擇壓力和種群多樣性評價指標和禁忌搜尋的多樣性和集中性評價指標，全面均衡地改善聚類算法的局部和全局最佳化能力；（3）融合聚類特徵建立動態聚類簇數目的生成機制，根據聚類劃分狀態設計聚類簇增減方式，將其融入啟發式運算元構造以體現數據對象分配過程；（4）將禁忌搜尋引入多目標聚類問題研究，探討採用非種群元啟發式算法解決多目標聚類問題的可行性和性能表現，全面擴展多目標聚類的研究手段。通過上述研究工作的探索和創新，為提高基於元啟發式算法的聚類方法的性能打下堅實基礎。
結題摘要
聚類分析是數據挖掘、機器學習、模式識別等領域的重要研究內容，是國內外研究廣泛且非常活躍的重要課題。本項目探討基於元啟發式算法的聚類分析中幾個關鍵問題的解決方法，研究工作總結如下： （1）將貓群最佳化引入硬聚類問題，設計和建立面向聚類分析的搜尋模式和追蹤模式，為聚類問題求解設計並實現三個新算法； （2）提出基於禁忌搜尋的軟聚類分析算法，融合模糊C均值操作提高算法效率，仿真實驗表明算法的有效性； （3）面向聚類問題建立遺傳算法的選擇壓力和種群多樣性量化評價指標，全面均衡地改善遺傳聚類算法的局部和全局最佳化能力； （4）融合聚類特徵建立動態聚類簇數目的生成機制，根據聚類簇劃分狀態設計聚類簇增減方式，將其融入啟發式運算元構造以體現數據對象分配過程； 通過上述研究工作的開展，為提高基於元啟發式算法的聚類方法的性能奠定研究基礎。
