1、科學(xué)技術(shù)的高速發(fā)展以及存儲技術(shù)的提高，使得人們獲得的數(shù)據(jù)量急劇膨脹?！皵?shù)據(jù)海量、知識匱乏”的尷尬狀況使得數(shù)據(jù)挖掘應(yīng)運而生。數(shù)據(jù)挖掘能從這海量數(shù)據(jù)中提取潛在的、對人們有價值的信息，為我們的生產(chǎn)、生活帶來很多方便。聚類分析是數(shù)據(jù)挖掘中的一個重要工具，利用聚類分析可以發(fā)現(xiàn)數(shù)據(jù)屬性之間潛在的關(guān)系。K均值算法是一種典型的聚類算法，具有收斂速度快、局部搜索能力強等優(yōu)點。但K均值算法存在著一些缺陷，比如對初始中心點明感，易陷入局部最優(yōu)。本文針對K均值

2、算法的不足作為出發(fā)點，提出了一些改進的方法，主要從以下幾方面進行研究:
　　在傳統(tǒng)的K-means聚類算法基礎(chǔ)上，本文提出了一種基于遺傳算法的K-means聚類算法。遺傳算法具有很好的全局尋優(yōu)能力，采用競爭選擇算子保存最優(yōu)染色體，同時交叉算子和變異算法保證產(chǎn)生更優(yōu)秀的染色體。通過一系列的遺傳操作尋找到最佳的初始聚類中心，再執(zhí)行K均值算法找到最終的聚類中心。提高了聚類的準確率，加快了收斂的速度，算法的穩(wěn)定性也提高了。通過仿真實驗，驗