(成都理工大学 四川 成都 610059)

一、前言

(一)研究目的和意义。数据挖掘技术的目的就是为了从错综复杂的大数据中挖掘出有用的知识和数据，进而应用到科学决策中(赵艳丽，2009)。聚类分析(Clustering Method)是一类无监督分类方法，是数据挖掘中极其关键的一个数据处理方式，使同一类内里对象之间的相似程度最小，不同类内对象之间的相似程度最大的目标(李荟娆，2014)。在地球化学数据的分析研究中，首要的是要研究地球化学元素的分布特征，再依据数据分类的方法找寻元素空间分布规律。

(二)国内外研究现状。k-means算法最早是由J.B.MacQueen于1967年提出来的，由于该算法不仅聚类时间快，而且聚类过程简单，效率高，随后该算法广泛的开始传播。但k-means算法也存在以下缺点:(1)聚类数据的要求很高；(2)初始聚类中心的选取不合适会导致聚类结果的不稳定；(3)需要人为的去确定分类数k；许多专家对上述问题进行了深入研究，已找出一些新的方法可以弥补k-means算法的缺陷。重点是通过以下两个方面来改进k-means算法。(1)传统k-means算法的k值被替换为人为确定的k值；(2)初始聚类中心选择的优化排除了聚类初始点对聚类结果的影响。

遗传算法最早由美国J.Holland教授在1975年提出的(刘建庄，1995)。其最显著的特点是能够直接对结构对象进行操作，并且没有函数连续性的定义,它具有隐式并行性和全局寻优能力。它应用在许多问题上表现出简单，通用，强大，适合并行处理等优点，是当前智能计算的核心技术之一。

近年来，k-means聚类分析和遗传算法的发展十分迅猛，并且基于k-means聚类算法和遗传算法已经扩展成一系列不同的算法，已被广泛的应用于生活。……