一种用于数据分群的适应性基因算法
数据分群(Clustering),是数据分析(dataanalysis)的预处理环节,通过分群可以将数据库中属性值一样的数据归类在一起,它是数据挖掘的重要应用基础之一.在切割式数据分群的方法中,常用的算法是K-Means算法;但K-Means算法在处理大量的数据分群时,无法妥善分群以及对于重叠的数据点无法妥善处理.本文给出一种适应性基因算法,它借助基因算法拥有的随机多点搜寻(parallelsearch)的能力以及鲁棒性(Robust),通过选择、交配和突变流程,同时结合适应性(adaptive)的观点来解决K-Means算法的缺点.从实验结果来看,适应性基因算法的分群结果优于传统的分群方式.
适应性基因算法 基因算法 K-Means 数据分群
陈庆章 金冠卓 何文秀 夏明 毛科技
浙江工业大学,杭州,310032;合肥工业大学,合肥,230009 浙江工业大学,杭州,310032
国内会议
深圳
中文
403-407
2005-04-16（万方平台首次上网日期，不代表论文的发表时间）