1、聚類分析是多元統(tǒng)計(jì)分析的一種，也是非監(jiān)督模式識(shí)別的一個(gè)重要分支。它把一個(gè)沒有類別標(biāo)記的樣本集按某種準(zhǔn)則劃分成若干個(gè)子集，使相似的樣本盡可能歸為一類，而不相似的樣本盡量劃分到不同的類中。許多實(shí)際應(yīng)用中，可以將屬于同類的數(shù)據(jù)樣本作為一個(gè)整體來處理。目前，聚類分析已經(jīng)廣泛應(yīng)用于圖像分割、模式識(shí)別、機(jī)器視覺等領(lǐng)域。
　　 聚類分析中，最基本的問題便是樣本間相似性的度量，經(jīng)典的聚類算法中，普遍采用歐氏距離作為相似性度量。這種相似性度量，對(duì)

2、形狀為凸的數(shù)據(jù)集的聚類具有良好的性能。然而，對(duì)于一些具有點(diǎn)對(duì)稱性的，交叉的，重疊的數(shù)據(jù)集，歐氏距離的效果較差。由于聚類問題的復(fù)雜性，對(duì)于這種問題，現(xiàn)在還沒有完全的解決辦法。針對(duì)具有中心對(duì)稱性形狀的數(shù)據(jù)的聚類問題，本文基于克隆選擇原理，提出三種改進(jìn)的基于點(diǎn)對(duì)稱距離的克隆選擇聚類算法。主要包括：
　　 (1)基于克隆選擇原理及點(diǎn)對(duì)稱距離提出了基于點(diǎn)對(duì)稱距離克隆選擇聚類算法(Point Symmetry-based Clonal Se

3、lection Clustering Algorithm，PSCSCA)。該算法不但利用克隆算子能將全局搜索和局部搜索有機(jī)結(jié)合的特性，而且通過在經(jīng)典的克隆選擇算法框架中，引入免疫疫苗算子實(shí)現(xiàn)了在線自適應(yīng)動(dòng)態(tài)獲得先驗(yàn)知識(shí)和個(gè)體間的信息共享，提高算法多樣性和加快收斂速度。同時(shí)算法通過對(duì)基于點(diǎn)對(duì)稱距離的親合度函數(shù)的優(yōu)化，實(shí)現(xiàn)對(duì)具有中心對(duì)稱的數(shù)據(jù)的有效聚類。
　　 (2)基于拉馬克學(xué)習(xí)機(jī)制以及克隆選擇原理，提出了克隆選擇自動(dòng)聚類算法(C

4、lonal Selection Automatic Clustering Algorithm，CSACA)。通過引入拉馬克學(xué)習(xí)算子來改進(jìn)現(xiàn)有克隆選擇算法的局部搜索能力。針對(duì)具有中心對(duì)稱性的數(shù)據(jù)集的自動(dòng)聚類問題，利用改進(jìn)的克隆選擇算法對(duì)基于點(diǎn)對(duì)稱距離的聚類有效性評(píng)價(jià)函數(shù)的優(yōu)化在實(shí)現(xiàn)獲得數(shù)據(jù)最優(yōu)類別數(shù)的判別同時(shí)獲得最優(yōu)劃分。
　　 (3)基于量子并行機(jī)制以及克隆選擇算法，提出了基于點(diǎn)對(duì)稱距離的量子克隆選擇聚類算法(Point Sym