投影寻踪动态聚类模型的优化方案

投影寻踪动态聚类模型的构建有两方面的理论基础。首先，针对多因素聚类高维数据分析问题，利用投影降维技术，将高维问题转化为低维问题（1～3维），从而实现在低维可视空间分析高维数据的目的；其次，利用动态聚类方法对反映高维空间数据结构或特性的低维空间投影特征值进行聚类分析。因此，投影寻踪动态聚类模型是投影寻踪与动态聚类的有机结合。下面将详细介绍投影寻踪动态聚类模型的建立过程。

1.数据无量纲化

当然，在实际工作中，也可以根据问题的具体情况选择其他合适的数据无量纲化公式进行数据无量纲化。

2.线性投影

3.构造投影指标

这是投影寻踪动态聚类模型建立的关键，是高维数据向低维空间投影聚类所遵循的原则，是寻找最优投影方向的依据，只有构造合理的投影指标才能取得合理的聚类结果。本文首次应用动态聚类方法[123]来构造投影寻踪动态聚类模型的投影指标。

首先，设样本投影特征值集合记为Ω＝{z1，z2，…，zn}；s（zi，zk）为任意两投影特征值间的绝对值距离，即s（zi，zk）＝|zi-zk|（k＝1，…，n），将待聚类样本分为N（N≤n）类，用Θh（h＝1，2，…，N）表示第h类样本投影特征值集合，即

式中：Ah和At分别为第h类和第t类的初始聚核。

在实际操作过程，Ah和At不断被前一次所得到的第h类和第t类样本投影特征值的均值迭代替换，直到满足结束条件为止，具体可参阅文献[123]。

最后，根据动态聚类方法构建的投影指标可表示为

4.模型求解(www.xing528.com)

可采用遗传算法或免疫进化算法求解。