崔志刚

武汉大学软件工程国家重点实验室 湖北 430063

0 引言

数据挖掘(Data Mining)就是从大量数据中获取有效的、新颖的、潜在有用的、最终可理解的模式的非平凡过程。在庞大的数据集合中存在相似性很强的数据集，如果能将数据集进行分类，依据相似性建立一个种群，使得数据挖掘更有目的性和针对性。K-means聚类算法是一种快速有效的分类方法，具有较快的分类速度，但必须手动确定初始聚类中心，因此，若能够利用算法求得初始聚类中心，则结合K一均值聚类算法可以实现自动分类。遗传算法(Genetic A1gorithm—GA)是模拟达尔文的遗传选择和自然淘汰的生物进化过程的计算模型，它是一种启发式的全局优化搜索算法，其简单通用，鲁棒性强，适于并行处理，应用范围广。遗传聚类是将GA应用于聚类的一种方法，其基本思想是通过遗传学习，将上一代的优良特性保留下来，并通过个体之间的基因组合、变异从而产生更为优良的下一代个体，这样经过数代的个体进化，最终找到满意的个体。鉴此，本文采用K-means算法进行聚类，并采用遗传聚类算法确定聚类中心，实例结果验证了改进的算法有效可行。

1 K-means聚类算法

在聚类算法中需要考虑到底聚类算法到什么时候终止，即是如何确定聚类中心，确定多少聚类中心。K-means聚类将数据划分为n个模式，每个模式的维度为d，取其中的最小K组作为我们的聚类起点，定义如下：

令{xi,i=1,2,…,n}为模式n的集合。其中xij表示xi的第j个特征。定义i=1，2，…，n；k=1，2，…，K，

那么，数组W=[wij]就有属……