基于多目标进化的聚类实现

摘要

聚类分析本质是一个复杂的优化问题.为了准确地对真实数据集进行聚类,提出一种改进的多目标进聚类算法.该算法以多目标进化算法为框架,用谱聚类算法对样本特征进行转换,再将模糊C-均值聚类算法以及k均值聚类算法进行融合,以初始聚类中心作为迭代的自变量;在计算个体适应度部分加入对FCM、k均值聚类结果的重排序操作和排序结果融合操作,以保证聚类结果的多样性以及各类别之间的均匀性;此外,利用当代的最优个体以及历史最优个体分别与当代其他个体进行二次交叉,形成下一代的新个体,保证了群体的进化趋势;用爬山算法对多目标进化算法进行改进以快速找到最优解.在UCI数据集和人工数据集上的实验表明,该算法具有较高的准确性.