已閱讀1頁，還剩59頁未讀， 繼續(xù)免費閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)
文檔簡介
1、隨著數(shù)據(jù)庫技術(shù)的飛速發(fā)展，數(shù)據(jù)以驚人的速度膨脹，面多如此海量的數(shù)據(jù)，為了從中提取有效的信息，數(shù)據(jù)挖掘技術(shù)孕育而生。
聚類分析是數(shù)據(jù)挖掘的一個重要部分，聚類分析就是把數(shù)據(jù)對象集合中的不同數(shù)據(jù)對象劃分成不同的類的過程，同一個類里的數(shù)據(jù)對象彼此相似，不同的類之間數(shù)據(jù)對象彼此相異。聚類分析中的有許多復(fù)雜組合的優(yōu)化問題，智能優(yōu)化算法能為之提供有效的幫助。
本文深入研究了群智能算法中混合蛙跳算法和粒子群算法與聚類分析中模
2、糊C-均值聚類算法，并將三者融合在一起。主要工作包括：
(1)深入分析了混合蛙跳算法的求解過程、參數(shù)設(shè)定和優(yōu)缺點，針對算法易陷入局部最優(yōu)的問題，引進了混沌映射系統(tǒng)和高斯分布改進了算法中的更新步驟。通過實驗仿真，驗證算法的可行性，并做了相關(guān)分析。
(2)研究了粒子群算法的特點，為克服模糊C-均值聚類算法的不足，通過設(shè)計一個參數(shù)，有機地將改進的混合蛙跳算法和粒子群算法融合到模糊C-均值聚類算法中。使算法能夠較好地
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于改進粒子群算法的C-均值聚類算法研究.pdf
- 改進的模糊C-均值聚類算法.pdf
- 自適應(yīng)模糊C-均值聚類算法研究.pdf
- 融合蟻堆聚類與模糊C-均值聚類的算法研究和分析.pdf
- 基于粒子群的C均值聚類算法的研究.pdf
- 入侵檢測中模糊C-均值聚類算法研究.pdf
- 改進模糊C-均值聚類算法的數(shù)據(jù)挖掘研究.pdf
- C-均值聚類算法的改進研究.pdf
- 基于核方法改進的模糊C-均值聚類算法.pdf
- 模糊C-均值聚類的研究.pdf
- 基于差分進化的模糊C-均值聚類算法研究.pdf
- 基于粒子群算法的模糊聚類研究.pdf
- 模糊c-均值算法的研究.pdf
- 模糊C-均值聚類算法及其在圖像分割中的應(yīng)用.pdf
- 全局模糊C-均值聚類算法在色彩遷移中的應(yīng)用.pdf
- 基于改進粒子群的K均值聚類算法研究.pdf
- 模糊C-均值算法改進研究.pdf
- 改進的模糊C-均值算法在文本聚類中的應(yīng)用研究.pdf
- 基于中智C-均值聚類的分割算法研究.pdf
- 基于混沌粒子群和模糊聚類的圖像分割算法研究.pdf
評論
0/150
提交評論