智能聚类方法中的克隆网络聚类算法研究与应用.pdf

.⋯..堂焦宝谴太丝名;墨鋈夔蠢纛驱鍪瑟遗譬夔援缝差总僮让鹾规皇莲篷坐陵童塾蠡嫠§.鎏熊熟壅盈煞盔熊塞囊囊凳塑淦室篮嫩鏊翘釜整委爨塞童遴;学校代号:密级ǹ韭撼学嗨:⋯
要摘近年来兴起的数据挖掘技术是一种能够自动处理海蹙数据资源并将其转化为商意义知识的脊利工具。聚类分析作为数据挖掘领域的关键技术,谶年来已经逐澎成蔻堑雾内的研究热点,楚一个富有挑战性熬硬究谖越。它可以按照事物阍驹相似性用数学的方法研究和始理给定对象的分类,在戴过程中舞没蠢教薅的獾导,是一种无般督的分类方法。本文对现有聚类技术进彳予仙钊氲难芯俊J紫龋┓治龃尘劾嗨惴ǖ幕穰土,铮对传绞嚣法酶不蹩,豢子警麓鼓念萎耱静鼹纛,终磅究重赢旋在智能融合技术的聚类算法方丽,讨论基于计算智能的聚类方法。计算智能的方法具肖良好的优化特性和自学习、自适应能力。将其引入猁聚类分析中,得到的智缝聚类算法不段弼竣竟羧健绕算法懿缺点,嚣豆其毒鞍凑豹蘩类套效缝秘可月健。其次,本文嫩过对现有的几种智能聚类方法的深入分析和讨论,综合其缺点和不足,弧晔莘旨V行模岢隽私饩銮铄剑椿谖÷″雎绲木劾嗨惴ā8冀法将免疫竞陵策略用子阏缀结构聚类孛,结含改速静炎舜冀予窝蔡慧尧隆操俸对原始数据进杼学习,进化出一个克隆网络来反映原始数据在状态瘢问中的分布。这种无监督的聚类算法不仅能够有效宠服一般方法对初始化敏感、依赖聚类骧爨、浚毁速爱後等疑点,露麓与数据分农茏关,照够处理海耋、多缭、羼蛙复杂的网络数据。本文通过仿真实验严格的验证了算法的裔效性。同时,探讨了克降瞬络聚类算法韵应用研究,将其用于网络数据分析,通过异常检测嶷验验证了算法熬可用性匕⒔馐托浴关键词:数据挖掘、无监督聚类分析、克隆峭络、免疫巍隆策略、昴常检测硬圭学袋论文氲旎述灸决绢忽捐贰!w炀寺雎没蔩●—攀■邕宣决玖縷葺麓麟瓣奠—■曼曼曼皇■—■嘲皇曼量笪皇皇皇曼舅嫩∞燮。
.@羕磁蠊.、酗酒琺篋枧腌弑罨场●曾舞麓■酋■目●曹—蟥産甒纈’.飁;;餐襞聚类蠢法中嚣壳瀣疆络聚类算法研变与痰矮緈瓹零。,琲,.籆;.痶.,.Ⅱ甶甶
导烬签名:强立基麓的甓争基日期。唧年氯齬日⒈C芸冢凇!D贳娘旰笫视帽臼谌ㄊ椤掘名砖日期:扣叼年卤热学位论文原翎性声明学位论文版权使用授权书作者签名:;屯弥兰州理工大学墩缮的研究成祭。除了文申特剃拥数标注弓桧澳谡颍韭畚能咔夂何其他个人或集体已经发表绒撰写的成果作品。对本文的研究做出重要贡容编入有关数据库进行检索,可以采用影印、缩印躐扫描等复制手段保存本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所献麴个人和集体,均已在文巾以明确方戏标明。本人完全意识到本声明的法律后果由本人承担。络者签名:零学位论文作者完全庋S泄卦フ⑺痒哐宦畚酿喜枚ǎ靡学校保留并向嘲家有关部门绒机构送交论文的复印件和电子版,允许论文放签凝秘辔鞫。本入授权兰髑建工大学霹菠赘本学像论文夔全郝或部分蠹弱滋缓本学诬论文。本学位论文属于⒉槐C芡拧谝陨舷郷陂方框内打“√”√
第滦髀研究背景随着数据库技术、信息技术以及网络技术的飞速发展和广泛应用,人们积累了大量的数据信息,信息爆炸为人们带来了诸多益处,但也不可避免的造成了弊端,即知识的“污染”。如何从浩如烟海的数据中去其糟粕,取其精华,得到数据背后隐藏的那些重要信息和知识是计算机应用技术面临的一大难题。数据信息每日都在激增,人们正在被数据淹没,但却饥渴于知识。面对海量的数据,人类迫切需要能够自动处理数据资源并能将其转化为有用知识的自动工具。数据挖掘技术应运而生【。如果说数据库技术是人类记忆和管理能力的延伸,那么数据挖掘则是人类分析、管理数据能力的延伸。哪康木褪谴雍A康摹⒉煌耆ǖ摹⒂性肷摹⒛:的、随机的实际应用数据中,提取出隐含的、先前未知的、目标明确的、针对性强的、精练准确的、对决策有潜在价值的规则。数据挖掘的过程需要不断学习、反复交互以及用户的参与。它作为一种发现知识的工具,可以从数据集中识别出有效的、新颖的、潜在的、有用的、可理解的知识和模式。这些知识和模式可以用来做出预测,也能帮助我们进行科学的决策。近十几年来,数据挖掘技术有了长足的进步,已经发展成为数据库领域的关键技术和研究热点。它是分析大规模数据集提取有用知识的有效手段。同时,数据挖掘也是一项数据库应用技术,存在着广泛的实际应用需求。因此,无论是数据挖掘的理论研究,还是其应用实践,都是有意义的。除了是数据库领域的关键技术,数据挖掘还涉及到了人工智能、模式识别、统计学、机器学习、专家系统等领域,其应用已经拓展到数理理论、信息安全、图形图像设计、工程设计、基因工程研究和科学探索等多个方面,其发展速度必将大大影响全球信息化的进程,对其进行系统、深入、全面、详尽地研究更