基于引力搜索机制的数据聚类及特征选择算法

张雪峰，杜孝平，王晓健，王 哲

(1.北京赛迪工业和信息化工程监理中心有限公司 信息化管理与咨询部，北京 100048；2.北京航空航天大学 软件学院，北京 100191；3.湘潭大学 信息工程学院，湖南 湘潭 411105)

0 引 言

数据聚类是将未标记数据集分割为相似数据点群组，每个群组为一个聚类，其内的数据点具有最大相似性，而不同聚类间数据点差异较大[1]。数据聚类在图像分割[2]、机器学习[3]、文本分析、模式识别[4]等方面得到了广泛应用。目前数据聚类方法有两类：分层式方法和分割式方法。分层式方法的主要不足是：①静态属性，即数据点的移动受限于分配的所属聚类内；②重叠聚类无法分离。分割式方法旨在将数据划分为不相交聚类集，该方法也是本文采用的聚类方法。

多数分割聚类方法在聚类过程中给予所有特征相同重要性。但部分特征实际是不相关或冗余的，这在处理高维度数据集聚类时尤其无法得到较好聚类结果[5]。因此，有必要选择使数据聚类更适宜的相关特征。此外，获得最优聚类数量也是分割聚类的另一挑战。求解数据聚类问题必须同步选择相关特征和最优聚类数量[6]。为解决该问题，本文利用引力搜索机制设计一种自动式聚类和特征选择算法。算法试图在没有聚类数量先验知识前提下，同步决策聚类数量和相关特征。设计了一种复合代理表示方法，用于分别对聚类和特征进行编码。同时，设计了一种临界值概念用于寻找最优聚类数量和特征。……