论文部分内容阅读
数据挖掘是指从数据库中发现隐含的、新颖的、对决策有潜在价值的知识和规则的过程，已经在许多领域得到了广泛的应用。聚类分析是数据挖掘领域最为重要的技术之一，至今已在理论和方法上取得了丰硕的研究成果。聚类已经被广泛的研究了许多年，主要集中在基于距离的聚类算法上，其中以K-均值聚类算法最为经典。
K-均值算法是一种典型的基于划分的方法，该算法的优点是思想简单易行，时间复杂性接近线性，对大规模数据的挖掘具有高效性和可伸缩性。但是该算法存在如下缺点：聚类个数K需要预先给定；算法对初值敏感；算法易陷入局部极小，并且一般只能发现球状簇。
本文主要深入研究和分析了聚类算法中的经典K-均值聚类算法，总结出其优点和不足。重点分析了K-均值聚类算法对初始值的依赖性，并用大量的实验验证了随机选取初始值对聚类结果的影响性。针对K-均值算法对初始中心值选取的依赖性，提出了一种新的初始中心值选取方法。
主要研究内容和工作成果如下：
基于自适应人工免疫网络的思想，提出了一种新的选取K-均值聚类算法初始中心点的方法，改善了K-均值聚类算法随机选取初始中心点而导致的聚类结果不稳定，容易陷入局部最优而非全局最优的不良结果，提高了聚类的有效性。