一种基于改进的引力场算法的聚类方法技术

本发明专利技术公开了一种基于改进的引力场算法的聚类方法，具体流程如下：随机初始化灰尘群体，计算灰尘的质量；对灰尘进行随机分组，计算每组的中心灰尘和当前质量最大的灰尘；进入收缩膨胀阶段，执行收缩、膨胀等操作对灰尘群里进行精英化，当满足终止条件时，进入下一阶段。本发明专利技术基于原有的引力场算法模型，提出了一种基于改进的引力场算法CEGFA，并将其用于求解聚类问题，为聚类分析提供了新的解决方案，基于划分的聚类算法受初始聚类中心的影响较大，对引力场算法的框架进行了改善，提出了收缩膨胀策略优化初始的灰尘群体，优化初始的聚类中心，使初始化的灰尘群体精英化。

A clustering method based on improved gravitational field algorithm

【技术实现步骤摘要】
一种基于改进的引力场算法的聚类方法
本专利技术涉及数据算法领域，特别涉及一种基于改进的引力场算法的聚类方法。
技术介绍
聚类分析是常见的数据挖掘技术。聚类分析是一个将未标记的数据集划分为若干簇的过程。聚类是将相异的数据尽可能地分开，而将相似的数据聚成一个类别(簇)，使得同一类别的数据具有尽可能高的同质性(homogeneity)，类别之间有尽可能高的异质性(heterogeneity)，从而方便从数据中发现隐含的有用信息。聚类分析技术已被应用在许多领域中，例如网络挖掘，文本挖掘，图像处理，股票预测，信号处理，生物学以及其他科学和工程领域。传统的聚类算法分为两大类：基于分层的聚类算法和基于划分的聚类算法。分层聚类具体可分为“自底向上”和“自顶向下”两种方案。在“自底向上”方案中，初始时每个数据点组成一个单独的组，在接下来的迭代中，按一定的距离度量将相互邻近的组合并成一个组，直至所有的记录组成一个分组或者满足某个条件为止。在划分模式下，所有对象从一开始就被视为一个群集，然后将每个群集分为两个群集，直到满足终止条件为止。代表算法有：BIRCH本文档来自技高网...

【技术保护点】
1.一种基于改进的引力场算法的聚类方法，其特征在于，具体流程如下：/n(1)随机初始化灰尘群体，计算灰尘的质量；/n(2)对灰尘进行随机分组，计算每组的中心灰尘和当前质量最大的灰尘；/n(3)进入收缩-膨胀阶段，执行收缩、膨胀等操作对灰尘群里进行精英化，当满足终止条件时，进入下一阶段(4)，否则继续执行(3)；/n(4)进入移动、自转阶段，执行移动、自转操作，若执行爆炸策略的条件满足，则进入(5)，否则继续执行(4)；/n(5)执行爆炸策略，若满足算法结束条件，则执行(6)；/n(6)返回最优解，算法结束。/n

【技术特征摘要】
1.一种基于改进的引力场算法的聚类方法，其特征在于，具体流程如下：
(1)随机初始化灰尘群体，计算灰尘的质量；
(2)对灰尘进行随机分组，计算每组的中心灰尘和当前质量最大的灰尘；
(3)进入收缩-膨胀阶段，执行收缩、膨胀等操作对灰尘群里进行精英化，当满足终止条件时，进入下一阶段(4)，否则继续执行(3)；
(4)进入移动、自转阶段，执行移动、自转操作，若执行爆炸策略的条件满足，则进入(5)，否则继续执行(4)；
(5)执行爆炸策略，若满足算法结束条件，则执行(6)；
(6)返回最优解，算法结束。


2.根据权利要求1所述的一种基于改进的引力场算法的聚类方法，其特征在于，在引力场算法中，每个粒子对应优化问题的一个解，可用四元组Di(Xi,Mi,Gi,Fi)表示，其中Xi表示粒子的位置，Mi为灰尘的质量，Gi为粒子所在的组号，Fi是一个0/1的二值变量，值为1时表示该粒子为中心灰尘，为0时表示该灰尘粒子为环境灰尘，聚类数据集规模是n×d的(n个数据，d个特征)，k是聚类中心的个数，那么每一个灰尘的位置可以被表示为一个k×d的矩阵，其中，每一行是一个聚类中心，每个聚类中心有d个特征，有k个聚类中心，即有k行。


3.根据权利要求1所述的一种基于改进的引力场算法的聚类方法，其特征在于，在灰尘初始化之后，引力场算法中，...

【专利技术属性】
技术研发人员：黄岚，胡雪梅，王岩，杨森，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22