浅谈演化基于进化多目标优化演化聚类及其运用

论文导读：标函数25-273.2.3多目标进化算法的具体实现27-283.3实验浅析28-333.3.1性能评价方式293.3.2实验结果与浅析29-333.4总结与讨论333.5参考文献33-35第四章基于进化多目标的动态网络社区检测35-554.1背景及相关知识35-374.1.1背景介绍35-364.1.2相关知识36-374.2算法描述37-434.2.1基于MOEA/D的动态网络社区检测算法
摘要：近年来,许多运用中的数据其特性随时间动态变化,在不同时间段上,浅析和挖掘这类数据的特性已成为一个新的热点不足。针对这类不足,演化聚类(evolutionary clustering)中的时间平滑性框架被提出,并且已经得到学术界和工业界的广泛关注。演化聚类中提出的时间平滑性框架具有如下特点：(1)聚类结果能很好地符合当前时间段上数据的特性；(2)聚类结果和最近的历史类簇结构尽可能地相似,以实现各时间段上类簇的平滑。演化聚类中的这两个特点相互冲突,一个性能的提升必定引起另一个性能的降低。进化多目标优化算法(EMOA)是近年来进展起来的一种利用进化计算策略求解多目标优化不足的新的优化算法。由于其具有高效、实用的特点,越来越受到学术界的重视。针对演化聚类框架中两个目标函数间相互冲突的特性,利用进化多目标优化策略处理这类不足的算法被提出。第三章将进化多目标优化策略引入演化聚类,构造了一种新的演化聚类策略——基于分解的进化多目标演化聚类算法。在该算法中,我们利用MOEA/D同时优化演化k-means (?)中两个相互冲突的函数,克服了传统策略中需要提前设定权重参数的缺陷。另外,由于进化计算的引入,加强了算法的搜索能力,相比已有算法可以找到更好的解。通过对人工数据集和UCI数据集的处理,验证了我们算法的性能。第四章将基于进化多目标优化的时间平滑性框架用于动态网络社区检测,构造了一种新的网络社区检测策略——基于进化多目标优化的动态网络社区检测算法。在该算法中,首先通过合适的社区质量函数和历史代价函数评价动态网络的社区质量和历史代价,然后利用MOEA/D同时优化这两个相互冲突的目标函数,得到一组最优解,这有效地克服了传统策略中需要提前设定权重参数的缺陷。其次,合适的基因编解码策略使得算法可以自动确定社区模块数,并通过采取合理的交叉、变异算子提升了算法的搜索能力。最后,通过对人工合成网络中社区结构的检测,验证了我们的策略比现有的其他策略具有更好地检测社区结构的能力。第五章在第四章给出算法的基础上,针对动态网络社区检测这一特定不足加入了相应的局部搜索对策,进一步提升了我们算法处理复杂动态网络的能力。并且,通过对人工合成网络和现实网络的处理,验证了我们算法的性能。关键词：演化聚类论文进化算法论文多目标优化论文社区检测论文动态网络论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要3-5
Abstract5-7
目录7-9
第一章 绪论9-17

1.1 演化聚类数据挖掘概述9-11

1.1 课题探讨背景9-10

1.2 演化聚类数据挖掘与已有类似的数据聚类挖掘策略的异同10-11

1.2 国内外探讨近况11-13

1.2.1 演化聚类的进展11-12

1.2.2 演化聚类框架的运用12-13

1.3 论文安排13-14

1.4 参考文献14-17

第二章 进化多目标优化算法的相关论述17-23

2.1 多目标优化不足17-18

2.

1.1 多目标优化不足的数学描述17-18

2.2 MOEA/D的介绍18-21

2.1 多目标优化的两个常用分解策略19-20

2.2 MOEA/D的一般框架20-21

2.3 总结与讨论21

2.4 参考文献21-23

第三章 基于分解的进化多目标演化聚类23-35

3.1 演化聚类23-25

3.

1.1 演化聚类中时间平滑性框架描述23-24

3.

1.2 演化k-means聚类算法介绍24-25

3.2 基于分解的进化多目标演化聚类25-28
3.

2.1 算法流程25

3.

2.2 目标函数25-27

3.

2.3 多目标进化算法的具体实现27-28

3.3 实验浅析28-33

3.1 性能评价方式29

3.2 实验结果与浅析29-33

3.4 总结与讨论33

3.5 参考文献33-35

第四章 基于进化多目标的动态网络社区检测35-55

4.1 背景及相关知识35-37

4.

1.1 背景介绍35-36

4.

1.2 相关知识36-37

4.2 算法描述37-43
4.

2.1 基于MOEA/D的动态网络社区检测算法框架38-39

4.

2.2 目标函数39-40

4.

2.3 基因表达40-41

4.2.4 特定不足论文导读：14.3.1合成网络数据集实验43-514.4总结与讨论514.5参考文献51-55第五章基于分解的局部搜索多目标动态网络社区检测55-755.1背景介绍55-565.1.1进化多目标局部搜索算法框架55-565.2基于分解的局部搜索多目标动态网络社区检测56-595.2.1算法框架56-585.2.2局部搜索对策58-595.3实验与结果浅析59-725.3.1合成网络数据
操作算子41-42

4.

2.5 最佳点选择42-43

3 实验浅析43-51

4.

3.1 合成网络数据集实验43-51

4 总结与讨论51

4.5 参考文献51-55

第五章 基于分解的局部搜索多目标动态网络社区检测55-75

5.1 背景介绍55-56

5.

1.1 进化多目标局部搜索算法框架55-56

5.2 基于分解的局部搜索多目标动态网络社区检测56-59
5.

2.1 算法框架56-58

5.

2.2 局部搜索对策58-59

5.3 实验与结果浅析59-72
5.

3.1 合成网络数据集实验浅析60-67

5.

3.2 现实网络数据集实验浅析67-72

5.4 总结与讨论72

5.5 参考文献72-75

第六章 总结与展望75-77
致谢77-79
硕士期间成果79