1、近年來(lái)數(shù)據(jù)挖掘引起了信息產(chǎn)業(yè)界的廣泛關(guān)注，其主要原因是存在大量的可用數(shù)據(jù)，并且迫切需要將這些數(shù)據(jù)轉(zhuǎn)換成有用的信息和知識(shí)。通過(guò)數(shù)據(jù)挖掘，可以將知識(shí)發(fā)現(xiàn)的研究成果應(yīng)用于實(shí)際數(shù)據(jù)處理中，為科學(xué)決策提供支持。聚類(lèi)分析是數(shù)據(jù)挖掘的一項(xiàng)基本任務(wù)，是一個(gè)無(wú)監(jiān)督的學(xué)習(xí)過(guò)程，聚類(lèi)的目標(biāo)是在沒(méi)有任何先驗(yàn)知識(shí)的前提下，將數(shù)據(jù)聚集成不同的簇，使得相同簇中的元素盡可能相似，不同簇中的元素差別盡可能大。通過(guò)聚類(lèi)，人們能夠識(shí)別密集的和稀疏的區(qū)域，因而發(fā)現(xiàn)全局的分布模

2、式，以及數(shù)據(jù)屬性之間有趣的相互關(guān)系。
　　 在數(shù)據(jù)挖掘中，聚類(lèi)分析也是一種很長(zhǎng)用的技術(shù)。而聚類(lèi)技術(shù)中K-means聚類(lèi)分析技術(shù)又是最常用的方法。但K-means算法在實(shí)際應(yīng)用中需要用戶(hù)給出要聚類(lèi)的數(shù)目即k的值，另外，K-means算法在運(yùn)行時(shí)要首先隨機(jī)產(chǎn)生一個(gè)初始聚類(lèi)中心，然后再對(duì)使用這個(gè)初始聚類(lèi)中心得到的聚類(lèi)結(jié)果進(jìn)行不斷調(diào)整，而這個(gè)聚類(lèi)結(jié)果在很大程度上受初始聚類(lèi)中心選取的影響。為了消除K-means聚類(lèi)算法對(duì)于用戶(hù)輸入k值的依

3、賴(lài)，也為了減小K-means聚類(lèi)算法受初始聚類(lèi)中心的影響，本文引入了遺傳算法。本文的主要工作包括：
　　 ①介紹分析了聚類(lèi)算法以及遺傳算法。介紹了數(shù)據(jù)挖掘的相關(guān)概念、任務(wù)、方法，然后介紹了聚類(lèi)分析的概念、常見(jiàn)算法以及遺傳算法的基本概念、研究現(xiàn)狀等，并進(jìn)行了相應(yīng)的分析。
　　 ②結(jié)合遺傳算法和K-均值算法的優(yōu)點(diǎn)，提出一種基于遺傳算法的k-means聚類(lèi)算法，并在該算法的基礎(chǔ)上提出了改進(jìn)的遺傳聚類(lèi)算法，該算法根據(jù)聚類(lèi)實(shí)際情況