[发明专利]一种克隆优化的粒子群聚类高维数据分析方法

摘要

本发明属于高维空间数据分析技术领域，公开了一种克隆优化的粒子群聚类高维数据分析方法，采用基于克隆动态选择粒子群聚类技术；基于限定的联合编码机制和基于特征维贡献率的评估度量方法。将粒子群理论应用于高维数据聚类分析中，利用粒子群算法的优化搜索机制在数据集中有指导地随机搜索聚类中心向量。将每个粒子视为抗体，看作是待聚类数据集的一种聚类簇划分方式，同时对粒子进行优化和免疫进化，动态进化时，粒子按其亲和度高低成正比进行动态克隆、按抗体浓度成反比进行克隆抑制、按亲和力高低成反比进行局部变异。本发明有效地避免陷入局部最优，提高聚类算法的稳定性及可靠性。加快高维数据搜索过程，防止陷入局部最优化。

主权项

1.一种克隆优化的粒子群聚类高维数据分析方法，其特征在于，所述克隆优化的粒子群聚类高维数据分析方法产生N个粒子，调整粒子的位置，动态进行选择；对N个粒子度量抗体‑抗体之间的相似度和“体‑抗原亲合力，通过度量结果进行不同粒子间的克隆选择；对粒子进行特定的变异操作，度量并比较原抗体抗体‑抗原亲合力，通过克隆选择保留亲合力最高的粒子，并动态更新粒子群各粒子速度、位置，再进入下一次迭代；直到最后输出最优抗体的粒子群，或达到指定迭代次数时终止；“抗体‑抗体”之间的相似度函数Fsimilarity，表示i与j的在n维空间中的距离，距离越小，相似度越大：第i种聚类划分的“抗体‑抗原”亲合力计算函数Fi_Affinity，表示如下：其中对于给定的数据集合，M为一常数，表示亲合力系数，D(xi,yi)表示待聚类的数据集xi到其数据集中心点的距离，wi表示第i个特征属性的加权因子，且所有特征属性加权和为1。