本项目研究了基于若干计算智能技术的聚类分析算法,重点研究了流形上的聚类问题和空间聚类问题,同时采用了图聚类、格方法、拓扑聚类技术,以及基于网格的聚类技术等可以大规模降低复杂性的方法。主要采用的计算智能方法包括流形学习、DNA计算的Adleman-Lipton模型和Sticker模型、多种群多种群微粒群优化算法、进化DNA计算、格进化、进化神经树、离散Morse 方法、微分进化技术、离散下降流、蚁群算法、离散微粒群方法等。本项目建立了基于多种计算智能技术的聚类算法,给出了聚类的抽象拓扑描述,解决几何上相距为近但不属于同一类点的聚类问题。其中利用DNA计算进行聚类分析是开创性的工作,对扩展聚类分析方法具有重要意义。本项目还提出了离散Morse方法等新概念和技术,这些方法对于一般优化问题的研究都具有潜在的重要作用。项目研究了在数据挖掘、创新概念设计评价等方面的应用,完成鉴定课题两项,部份成果达到国际先进水平。
英文主题词Clustering analysis; evolutionary computation; particle swarm optimization; DNA computing; Morse technique.