k均值課程設(shè)計---k均值聚類k-means優(yōu)化-wenkub
2023-05-18 13:09:48 本頁面
【正文】 的交叉和變異來完成的，與此相對應(yīng) ，遺傳算法中最優(yōu)解的搜索過程也模仿了生物的進化過程，使用遺傳操作數(shù)作用于群體進行遺傳操作，從而得到新一代群體，其本質(zhì)是一種求解問題的高效并行全局搜索算法。 模式識別課程設(shè)計報告 姓 名： 陳繼智 學(xué) 號： 20202002205 班級序號： 191094 01 指導(dǎo)老師： 蔣良孝 時 間： 2020年 4 月 K 均值 聚類 （ kmeans）優(yōu)化 —— 基于遺傳算法 一、 K 均值 聚類的算法 和遺傳算法的 概述 K 均值 聚類 （ kmeans） 就是將對物理或抽象對象的集合分組成為由類似的對象組成的多個簇的過程。它能在搜索過程中自動獲取和積累有關(guān)搜索空間的知識，并自適應(yīng)地控制搜索過程，從而得到最優(yōu)解或準最優(yōu)解。 二、 K 均值算法的基本思想 K均值算法是一種使用最廣泛的聚類算法。 i K均值算法的描述如下： (1)任意選擇 K個記錄作為初始的聚類中心。 三、 基于遺傳算法的 K 均值聚類算法 本文將遺傳算法應(yīng)用到聚類分析中，把遺傳算法的全局優(yōu)化能力與聚類分析的局部優(yōu)化能力相結(jié)合來克服聚類算法的局部性，在種群進化過程中，引入 K均值操作，同時，為了避免早熟現(xiàn)象，在種群中采用自適應(yīng)方法動態(tài)調(diào)節(jié)交叉概率和變異概率，使其能夠隨適應(yīng)度自動改變。例如對于一個類別為 3的聚類問題，假設(shè)數(shù)據(jù)集為 2維。先將每個樣本隨機指派為某一類作為最初的聚類劃分，并計算各類的聚類中心作為初始個體的染色體編碼串，共生成 m個初始個體，由此產(chǎn)生第一代種群。首先在每一代開始時，將群體中的最優(yōu)個體記錄下來，然后根據(jù)各個體的適應(yīng)度計算個體被選中的概率，用輪盤賭方法進行個體的選擇，最后在每次遺傳操作后形成新群體時用當(dāng)前所記錄的最優(yōu)個體替換新群體
畢業(yè)設(shè)計相關(guān)推薦
鄂ICP備17016276號-1