1、yiT論女第表匸家基于變長染色體的量子遺傳聚類算法研究【摘要】：量子遺傳算法是量子計算理論與遺傳算法相結合的產物， 是上世紀90年代后期發展起來的一個研究領域。量子遺傳算法具有 收斂速度快、全局搜索能力強等優點，在處理優化問題方面具有很強 的優勢。數據挖掘是隨著數據庫技術的不斷發展而形成的一門新學 科。通過數據挖掘能從海量數據中發現有用數據， 具有很強的實用性。 聚類分析是數據挖掘中非常重要的分支，作為一種無監督的模式識別 技術被廣泛應用于各個行業。K-均值聚類是聚類分析方法中的一種， 具有算法簡潔、收斂速度快等優點。但傳統的K-均值算法具有對初始值敏感、容易陷入局部最小值等缺點，且聚類中心數

2、目k需人為經 驗確定，導致分類結果不一定最優。本文在前人的研究成果基礎上， 提出一種基于變長染色體的量子遺傳聚類算法。首先，對初始種群做 出了改進。種群中染色體長度不再是定值，而是在某一范圍內取值。這些長度變化的染色體組成聚類中心的集合。 這樣就避免了 k值人為 經驗確定而帶來的問題。其次，設計了變長操作函數。在進化過程中， 各聚類中心以最優聚類中心為目標進行量子旋轉門操作，同時調整其染色體長度，以實現聚類數目的變化。算法采用Matlab進行編程實現，在不同數據集上進行多次實驗，并與量子遺傳聚類算法及k-均值 算法進行比較，實驗結果顯示本文算法有更好的聚類結果。 最后將算 法應用到銀行客戶聚類

3、上，并針對聚類結果提出了不同的營銷策略， 證實了算法的實用性。【關鍵詞】：量子遺傳算法K-均值聚類量子遺傳聚類變長染色體【學位授予單位】：山西財經大學【學位級別】：碩士【學位授予年份】：2013【分類號】：TP311.13;TP18【目錄】：摘要6-7Abstract7-101緒論10-141.1量子遺傳算法研究背景 及現狀10-121.2聚類分析研究背景及現狀12-131.3本文主要工作和 組織結構13-142聚類分析14-222.1聚類分析及應用142.2數據挖掘 對聚類算法的要求14-152.3聚類分析中的數據類型152.4聚類分析中 的相似度度量方法15-182.4.1區間標度變量15

4、-162.4.2二元變量16-172.4.3分類、序數和比例標度變量17-182.5主要聚類方法的分類 18-192.6k-mea ns 算法 19-212.6.1k-mea ns 算法原理 19-212.6.2k-mea ns 算法優缺點分析212.7本章小結21-223量子遺傳算法22-303.1量子 計算22-243.1.1量子比特22-233.1.2量子邏輯門23-243.2遺傳算法 24-253.3量子遺傳算法25-293.3.1量子比特編碼263.3.2量子旋轉門 26-283.3.3量子交叉與變異283.3.4量子遺傳算法流程28-293.4本章 小結29-304變長染色體量子遺傳聚類算法30-404.1量子遺傳聚類算法30-324.2變長染色體量子遺傳聚類算法 32-364.2.1算法流程324.2.2 算法實現32-364.3實驗設計及結果分析：36-394.3.1實驗工具374.3.2實驗數據37-384 33實驗結果38-394.4本章小結:39-405變長量子遺傳算法在銀行業的應用40-455.1當前我國銀行業背景405.2聚類分析方法對銀行的意義40-415.3銀行客戶數據聚類分析41-435.4應用設計43-445.5本章小結44-456結論