[发明专利]一种数据聚类处理方法

权利要求书

1.一种数据聚类处理方法，其特征在于：包括如下步骤：

(1)设定种群数量n，视野visual，步长step，尝试次数try，拥挤度因子，迭代次数T，目标函数f(x)，交叉概率C；

(2)初始化人工鱼群；

(3)按个体鱼当前状态的适应度值进行排序分为优秀组G和懈怠组W，并以公式计算步长step、视野visual，根据分组不同计算尝试次数try；

(4)进行追尾和聚群行为；

(5)比对追尾行为和聚群行为产生的适用度值，择优选择，跳转至步骤(6)；若未找到，则进入觅食行为向周遭尝试，若有较优状态则向其移动，若达到尝试次数try，则令flag_i为个体鱼i的历史移动标志位，并记录该个体探查到的历史最优状态，通过历史标志位和历史较优状态的记录，对在局部较优状态处迂回的个体鱼进行标记，不再向该方向移动，而随机选择其他方向，直到找到优于记录的历史较优状态；

(6)将个体鱼执行行为所得到的结果与公告板上的历史最大适应度值相比，若大于公告板所记录则进行替换，否则保持；

(7)判断是否得到目标解，若得到则转向步骤(9)，若没有则继续迭代；

(8)判断迭代是否达到上限，若是转步骤(9)，若未迭代完成则转步骤(3)；

(9)将当前最优解作为K-means算法的初始聚类中心进行数据处理；

(10)算法终止。

2.根据权利要求1所述的一种数据聚类处理方法，其特征在于：计算所有个体鱼当前的状态X_i的适应度值f(X_i)，并以该适应度值从小到大进行排列分为两组，优秀组G与懈怠组W，令迭代次数为T，迭代次数的上限为T_max，优秀组G的步长step及视野visual由下列公式计算：

3.根据权利要求2所述的一种数据聚类处理方法，其特征在于：懈怠组W的步长step及视野visual由下列公式计算：

4.根据权利要求3所述的一种数据聚类处理方法，其特征在于：根据优秀组G与懈怠组W的不同分别选择不同的尝试次数，当时，try＝β×try.β∈(1，1.5)，当时，try＝β×try.β∈(0，0.5)。

5.根据权利要求4所述的一种数据聚类处理方法，其特征在于：计算个体鱼当前的适应度值与适应度值总和的比值，适用度值越大的个体鱼获得全局最优的几率越大，计算个体鱼与其视野范围内聚群中心的距离并另以的概率执行原聚群行为；追尾行为以交叉概率C使当前个体鱼与目标鱼的位置互换，而视野visual、补偿、尝试次数try不做变换。

6.根据权利要求5所述的一种数据聚类处理方法，其特征在于：设初始flag_i＝0，个体尝试次数到达上限后随机移动一步，记录移动前的最优状态，并另flag_i＝1；迭代后个体鱼继续追尾和聚群行为，若两者无较优状态则尝试周围环境状态，当尝试到的环境状态与历史较优状态相同时，说明个体鱼重新探查到了上一次移动的起点，令flag_i＝-1，并移动回起点等待下次重新探查；当flag_i＝-1时说明个体鱼已经进行过一次迂回移动，在后续移动中如果再次探查到历史较优状态，则不再向该方向移动，而随机选择其他方向，直到找到优于记录的历史较优状态，替换记录并令flag_i＝1。