基于PSO与QPSO优化K-MEANS的乳腺癌预测分析系统

资 源 简 介

本项目旨在通过引入群体智能优化算法解决传统K-MEANS聚类算法对初始聚类中心敏感且易陷入局部最优的问题。 系统实现了标准K-MEANS算法，并结合了粒子群优化算法（PSO）和量子行为粒子群优化算法（QPSO）对聚类中心进行全局寻优。 首先，项目加载并预处理威斯康星乳腺癌数据集（breastcancer dataset），进行特征选择与数据标准化处理。 其次，通过PSO算法在解空间内模拟粒子搜索过程，利用粒子的个体极值和全局极值不断更新聚类质心，从而增强全局搜索能力；同时进一步引入QPSO算法，利用量子波

详 情 说 明

基于PSO与QPSO优化的K-MEANS聚类算法研究及乳腺癌预测分析

项目介绍

本项目针对传统K-MEANS聚类算法对初始聚类中心敏感、容易陷入局部最优解的缺陷，提出并实现了两种基于群体智能优化算法的改进方案：粒子群优化（PSO）K-MEANS与量子行为粒子群优化（QPSO）K-MEANS。项目以乳腺癌预测分析为背景，通过全局搜索算法寻找最优的一组聚类质心，从而提高乳腺癌辅助诊断的准确率和稳定性。系统提供了一个完整的算法框架，包括数据加载、预处理、三种算法执行、性能指标评估及结果的可视化分析。

功能特性

1. 多算法集成：系统集成了标准K-MEANS、PSO优化K-MEANS以及QPSO优化K-MEANS三种算法，支持横向性能对比。
2. 自动化数据处理：具备成熟的数据预处理流程，包括特征选择、0-1正规化处理，以及针对无监督学习的标签自动对齐逻辑。
3. 健壮的仿真环境：内置数据集兼容性检查，若原始数据集缺失，系统能够自动生成符合乳腺癌特征分布的仿真数据，确保算法逻辑的演示完整性。
4. 全面的性能评估：支持从收敛速度（SSE下降曲线）、分类准确率（Accuracy）、召回率（Recall）、F1-Score等多个维度评估模型优劣。
5. 直观的可视化界面：提供降维后的聚类分布图、算法收敛对比图以及混淆矩阵，便于直观观察分类效果。

系统要求

1. 软件环境：MATLAB 2018b 或更高版本。
2. 必备工具箱：Statistics and Machine Learning Toolbox（用于调用kmeans、pca、gscatter、confusionchart等函数）。

实现逻辑说明

1. 数据准备模块

系统首先尝试加载外部高维数据集。若环境不具备特定数据集，则通过随机种子生成包含两类（模拟良性与恶性）的仿真数据集。随后，利用Min-Max标准化将所有特征映射到[0, 1]区间，以消除特征量纲对欧氏距离计算的影响。

1. 算法核心模块

• 标准K-MEANS：作为基准模型，调用系统内置函数，通过5次重复实验取最优结果，以减少随机初始化带来的不确定性。
• PSO-KMEANS：将K个聚类中心的所有维度展开为一维粒子向量。通过初始化种群，利用惯性权重、个体认知因子和社会经验因子不断更新粒子的速度和位置。适应度函数定义为所有样本到其所属簇中心的平方误差和（SSE）。
• QPSO-KMEANS：基于量子力学理论，取消了传统PSO的速度向量，引入平均最佳位置（mbest）作为约束。粒子位置根据收缩扩张系数（alpha）进行更新，该系数随迭代次数线性减小，从而平衡算法的全局探索和局部开发能力。

1. 评估与统计模块

由于聚类是无监督过程，生成的标签（1或2）可能与原始标签相反。系统通过标签对齐函数，比较两种排列方式的准确率，自动选择匹配度最高的映射关系。之后，计算混淆矩阵各参数，得出最终的分类指标。

1. 可视化输出模块

系统生成三张核心图表：一是收敛过程对比图，展示PSO与QPSO在迭代过程中SSE值的下降趋势；二是聚类结果分布图，通过PCA主成分分析将高维特征投影至二维空间进行着色展示；三是混淆矩阵图，定量化展现各算法在二分类任务中的漏诊与误诊情况。

关键算法与实现细节

1. 适应度计算

在所有改进算法中，每个粒子代表一组聚类中心。系统通过分配样本到最近中心、计算样本与中心点的欧氏距离平方和来计算粒子的适应度值，最小化SSE即为优化目标。

1. PSO速度与位置更新

实现中采用固定惯性权重0.8，学习因子均为1.5。粒子在更新后会被应用边界约束，确保生成的聚类中心坐标始终在[0, 1]的数据域内。

1. QPSO量子更新机制

区别于传统位置更新，QPSO通过计算群体的平均个体极值中心，结合随机掩码（mask）生成新的位置分布。公式使用了自然对数分布模型，使粒子在解空间内具备更强的随机跳出能力，有效解决了K-MEANS在处理复杂分布数据时易陷入局部极小的难题。

1. 性能指标函数

指标评价函数通过比对真实标签与预测标签，精确计算真正例（TP）、真负例（TN）、假正例（FP）和假负例（FN），从而推导出反映分类准确性的核心数值。