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(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著社會經(jīng)濟(jì)的進(jìn)步,工業(yè)生產(chǎn)過程的自動化和智能化程度越來越高。自動化程度的不斷加深使企業(yè)積累和存儲了越來越多的過程歷史數(shù)據(jù)。一方面,隨著企業(yè)對自身要求的不斷提高,這些豐富的數(shù)據(jù)資源成為可以利用的資源;另一方面,工業(yè)過程的生產(chǎn)實(shí)踐和科學(xué)研究又以大量的數(shù)據(jù)為基礎(chǔ),需要通過一定的方法和手段進(jìn)行分析、處理,已完成工業(yè)過程的在線監(jiān)控、過程辨識、故障診斷和控制策略的設(shè)計等工作。因此,數(shù)據(jù)挖掘作為一種從大量數(shù)據(jù)中提取有用信息的技術(shù)手段,受到越來越多的
2、關(guān)注。人工蜂群算法是一種模擬蜜蜂群智能搜索行為的群智能優(yōu)化算法。由于其控制參數(shù)少、易于實(shí)現(xiàn)、計算簡潔等優(yōu)點(diǎn),已被越來越多的學(xué)者所關(guān)注。模糊C均值聚類(FCM)和核模糊C-均值聚類(KFCM)算法雖然已被應(yīng)用于模式識別、圖像處理以及計算機(jī)視覺等眾多領(lǐng)域中,但仍然存在一些缺陷。
本文針對FCM算法存在容易陷入局部極小值和對初始值敏感的缺點(diǎn),提出了一種基于人工蜂群(ABC)的模糊聚類算法。KFCM算法在一定程度上克服了對數(shù)據(jù)內(nèi)在
3、形狀分布的依賴,但還存在對初始值敏感、容易陷入局部極小值的缺點(diǎn)。為此,本文提出一種基于人工蜂群的核模糊C-均值聚類算法(ABC-KFCM)。ABFM算法和ABC-KFCM算法有效提高了算法的搜索效率、減少了搜索過程中陷入局部最優(yōu)的現(xiàn)象,但在聚類數(shù)大和維度高時效果不太好,為此引入Boltzmann選擇機(jī)制代替輪盤賭的選擇方式,并采用小區(qū)間生成法使初始群體均勻化,使得該算法的全局尋優(yōu)能力更強(qiáng)。實(shí)驗(yàn)結(jié)果表明,新算法不僅有效克服了FCM和KFC
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(hù)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(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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(jìn)人工蜂群算法的模糊聚類研究.pdf
- 基于改進(jìn)人工蜂群的模糊C均值聚類算法研究.pdf
- 基于改進(jìn)人工蜂群算法的聚類研究
- 基于改進(jìn)人工蜂群算法的聚類研究.pdf
- 人工蜂群優(yōu)化模糊聚類研究及應(yīng)用
- 人工蜂群優(yōu)化模糊聚類研究及應(yīng)用.pdf
- 基于人工蜂群算法的改進(jìn)K-均值聚類算法及其應(yīng)用.pdf
- 基于改進(jìn)人工蜂群的K均值混合聚類算法及其應(yīng)用.pdf
- 基于人工蜂群算法的分類算法研究.pdf
- 基于人工蜂群算法的云計算.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法研究.pdf
- 基于混合蛙跳的數(shù)據(jù)挖掘模糊聚類算法研究.pdf
- 數(shù)據(jù)挖掘中模糊聚類算法的研究.pdf
- 基于人工蜂群算法的大壩安全監(jiān)測.pdf
- 基于人工蜂群算法的約束優(yōu)化問題研究.pdf
- 基于人工蜂群算法的云任務(wù)調(diào)度研究.pdf
- 人工蜂群算法的研究與改進(jìn).pdf
- 混合人工蜂群算法的改進(jìn)研究.pdf
- 人工蜂群算法的研究與應(yīng)用.pdf
- 基于模糊聚類的數(shù)據(jù)挖掘研究.pdf
評論
0/150
提交評論