检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进lf算法的雷达信号分选

航天电子对抗 2011年第4期27卷 31-34页

作者：赵贵喜刘永波谭世江刘亮中国人民解放军93163部队

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,雷达脉冲相互交错,雷达信号的处理面临高密度信号环境。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。将蚁群聚类算法引入到雷达信号分选中... 详细信息

在现代战争中随着新体制雷达的不断涌现,电磁环境变得越来越复杂,雷达脉冲相互交错,雷达信号的处理面临高密度信号环境。目前普遍采用的基于直方图统计的信号分选方法越来越不适应现代雷达信号环境。将蚁群聚类算法引入到雷达信号分选中,并对其进行了改进,提出了一种新的雷达信号分选方法。该方法不需要雷达信号的先验知识,适用于处理未知信号的雷达。仿真实验证明分选结果较理想,为雷达信号分选提供了新的思路。

关键词：雷达信号分选蚁群元胞自动机 lf算法

在线全文

学校读者我要写书评

暂无评论

蚁群聚类lf算法在MATLAB中的实现

信息技术 2013年第3期37卷 143-145,149页

作者：闫保权延安职业技术学院陕西延安716000

聚类是数据挖掘的主要任务之一,基于蚂蚁堆形成原理的lf算法是蚁群聚类的经典算法。给出了lf算法在Matlab环境下的详细实现过程,包含算法的基本思想、使用的数据结构、算法的流程图,最后使用UCI数据集Iris进行了验证,给出了算法运行的... 详细信息

聚类是数据挖掘的主要任务之一,基于蚂蚁堆形成原理的lf算法是蚁群聚类的经典算法。给出了lf算法在Matlab环境下的详细实现过程,包含算法的基本思想、使用的数据结构、算法的流程图,最后使用UCI数据集Iris进行了验证,给出了算法运行的参数设置数据和算法运行结果的图形表示。

关键词：蚁堆 lf算法数据结构流程图算法参数

蚁群聚类算法在可持续发展理念接受程度上的应用研究

在线全文

学校读者我要写书评

暂无评论

中国人口·资源与环境 2011年第S2期21卷 182-185页

作者：刘洪波郜志云刘波天津大学环境科学与工程学院天津300072

分别运用传统的lf算法和改进的蚊群聚类算法对可持续发展理念在大学生中推广的可行性进行了聚类研究。分析了影响大学生对可持续发展理念认知的六个因素,即大学生对可持续发展理念理论的掌握情况、对当今社会资源与环境问题的掌握情况... 详细信息

分别运用传统的lf算法和改进的蚊群聚类算法对可持续发展理念在大学生中推广的可行性进行了聚类研究。分析了影响大学生对可持续发展理念认知的六个因素,即大学生对可持续发展理念理论的掌握情况、对当今社会资源与环境问题的掌握情况、对可持续发展理念知识的需求情况、对可持续发展理念的实践情况、参与各种推广活动的积极性以及对学校各类活动的接触程度。聚类结果表明:改进的蚊群聚类算法给出了更好的聚类效果,同时可得出结论:大学生对学校开展的各类活动的接触程度成为了影响其认知的重要因素;大学生对可持续发展理念的认知情况呈现出较为明显的聚类效应,这就为可持续发展理念在大学生中的进一步推广提供了现实依据和条件,可持续发展理念在大学中的推广具有可行性。

关键词：蚊群聚类算法变异算子 lf算法大学生群体可持续发展理念可行性

在线全文

学校读者我要写书评

暂无评论

一种基于蚁群聚类的快速算法

计算机工程 2007年第6期33卷 206-207,210页

作者：陈传波罗增琦华中科技大学软件学院武汉430074 华中科技大学计算机科学与技术学院武汉430074

从模仿蚂蚁堆积的尸体的基本模型出发,引入了相似因子和相异因子的概念,通过重新定义接受分数的计算公式,能够使聚类结果更纯,聚类速度更快。实验结果表明新算法明显改善了聚类质量。

关键词：蚁群算法聚类集群算法 lf算法相似因子相异因子

在线全文

学校读者我要写书评

暂无评论

蚁群算法研究及其在Web挖掘聚类上的应用

蚁群算法研究及其在Web挖掘聚类上的应用

作者：龚瑜华东师范大学

学位级别：硕士

当今的人类社会是信息化的社会。在科学技术尤其是网络技术的推动下,万维网不管是在深度还是广度方面都在高速发展。互联网在前所未有地改变我们生活的同时,带来的还有几何级数的数据。在这些海量的、异构的信息资源中,蕴含着具有巨大... 详细信息

当今的人类社会是信息化的社会。在科学技术尤其是网络技术的推动下,万维网不管是在深度还是广度方面都在高速发展。互联网在前所未有地改变我们生活的同时,带来的还有几何级数的数据。在这些海量的、异构的信息资源中,蕴含着具有巨大潜在价值的知识,怎样从这些数据源中提取出可信的、有效的、对人们有用的信息成为当今社会的一大研究热点,数据挖掘技术正是在这种背景下产生并发展起来的。本文主要研究蚁群聚类算法在Web聚类挖掘分析中的应用,通过对现有的蚁群聚类算法的改进,使得算法有更好的性能,从而更适用于Web挖掘聚类分析中,主要内容包括:首先是数据挖掘和Web挖掘概述,对数据挖掘和Web挖掘的一些基本概念、数据挖掘系统等数据挖掘的一些基础知识进行介绍,然后对数据挖掘中的聚类分析技术进行了阐述,介绍聚类的基本概念,聚类技术的研究现状,并比较分析了当前比较重要的几类聚类方法。其次介绍蚁群聚类算法的基本模型和建立在基本模型基础上的lf蚁群聚类算法,深入分析了lf算法的优缺点并在其基础上加以改进,提出一种改进的蚁群聚类算法,通过仿真实验证明了改进算法比lf算法有更好的性能,解决了lf算法收敛比较慢、迭代周期长的缺点,并且使得改进后的聚类算法更适用于Web挖掘聚类分析上。最后在改进后的聚类:算法的基础上建立一个小型的Web挖掘聚类系统。

关键词： Web挖掘聚类蚁群算法蚁群聚类算法 lf算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进的蚁群聚类分析算法的研究

改进的蚁群聚类分析算法的研究

作者：王慧河南大学

学位级别：硕士

数据聚类是重要的数据挖掘技术,是人们认识和探索事物之间内在联系的有效手段,它既可以作为独立的数据挖掘工具,发现数据库中数据分布的一些深入信息,也可以作为其它数据挖掘算法的预处理步骤,且在工程和技术领域具有广泛的应用背景。... 详细信息

数据聚类是重要的数据挖掘技术,是人们认识和探索事物之间内在联系的有效手段,它既可以作为独立的数据挖掘工具,发现数据库中数据分布的一些深入信息,也可以作为其它数据挖掘算法的预处理步骤,且在工程和技术领域具有广泛的应用背景。近几十年来,国内外的研究者们提出了许多聚类算法,力图发现最优方案。随着蚁群算法研究的兴起,人们发现在某些方面采用蚁群模型进行聚类更加接近实际的聚类问题。本文首先分析了聚类分析和蚁群算法。聚类分析是数据挖掘中的一个很活跃的研究领域,主要用于在隐含的数据中发现有意义的数据分布和数据模式。对聚类分析的定义、聚类的方法、数据类型以及聚类结果的度量标准作了简要的介绍。蚁群算法模拟了群体智能,在解决优化处理方面发挥了很好的作用,研究了蚁群聚类分析基本模型和蚁群聚类分析基本模型的lf算法,分析了其算法的优缺点。本文对基于蚁群算法的聚类分析方法及其应用展开了研究,主要工作如下:1、提出了基于信息素的改进的lf算法(IlfBP)。由于lf算法要设置很多的参数,并且对参数设置比较敏感,同时由于定义了蚂蚁在二维网格中是任意移动的,任意移动过程中对某些区域并没有数据对象,而且算法收敛速度过慢,所以算法的聚类效果不好、效率不高。通过在改进lf算法中群体相似度函数,加入参数的自适应调整策略,利用短期记忆和网格信息素的局部分布控制蚂蚁的随机移动,并结合蚂蚁速度动态变化、半径递增、强制放下等特性,提出了基于信息素的改进的lf算法。2、对改进的算法进行分析,并且通过测试数据和不同的算法进行了对比实验分析,证明了改进算法的有效性,算法显示出了较高的稳定性和准确率。3、提出了蚁群聚类文档挖掘系统结构。在典型的文档挖掘流程基础上,分析和设计了蚁群聚类文档挖掘总体结构和文档分词子系统、文档特征向量计算子系统及蚁群聚类分析子系统结构。

关键词：数据挖掘蚁群算法聚类分析 lf算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于蚁群算法的数据挖掘方法研究

基于蚁群算法的数据挖掘方法研究

作者：谭华琴武汉理工大学

学位级别：硕士

由信息技术、网络技术的飞速发展所导致的“数据爆炸但知识贫乏”的现象日益严重,应运而生的数据挖掘（Data Mining）技术在这一环境下得以蓬勃发展,越来越显示出其强大的生命力。国内主流网站评比的未来十大热门技术中,数据挖掘技术占... 详细信息

由信息技术、网络技术的飞速发展所导致的“数据爆炸但知识贫乏”的现象日益严重,应运而生的数据挖掘（Data Mining）技术在这一环境下得以蓬勃发展,越来越显示出其强大的生命力。国内主流网站评比的未来十大热门技术中,数据挖掘技术占了一席之地,而且现今世界几大超级公司也早早地投入到了数据挖掘领域的研究,这其中包括IBM、Microsoft等。数据挖掘是一个多学科交叉的研究领域,涉及到数据库技术、人工智能、机器学习、统计学、知识获取、生物计算等多门学科的理论与技术,其发展必将大大地影响全球信息化的进程。因此对数据挖掘技术进行全面地、系统地、深入的研究是信息化发展的客观需要。本文对数据挖掘技术,尤其是聚类分析技术进行了较为深入地研究与分析,提出了一些想法和改进,主要包含以下内容: 数据挖掘技术综述。介绍了数据挖掘的概念,对数据挖掘技术进行了详细的分类。概括了目前比较常用的数据挖掘方法,并对数据挖掘的任务进行了归纳总结,为本文的全面展开奠定了基础。聚类分析技术概述。聚类分析作为数据挖掘中一个重要的组成部分,主要用于在潜在的数据中发现有价值的数据分布和数据模式。本文对聚类分析的定义、聚类的方法、数据类型以及聚类结果的度量标准作了简要的介绍。蚁群算法概述。蚁群算法是一种源于大自然生物世界的新型仿生类算法。该算法特别适合于求解复杂优化问题特别是离散优化问题。本文简要介绍了蚁群算法的产生与发展,并详细阐述了算法的原理及实现过程。基于蚁群算法的聚类组合算法的研究。在研究了基本蚁群聚类模型、信息熵以及两个经典的聚类分析算法:lf算法和K-means算法的基础上,首先提出了一种基于信息素的K-means改进算法,该算法以基于信息素的转移概率为判断标准来进行聚类,减少了算法的参数个数,加快了聚类的进程。然后在深入研究了基于信息熵的lf改进算法的基础上,提出了一种蚁群聚类组合算法策略,该策略首先利用基于信息熵的lf改进算法来完成聚类过程,然后利用基于信息素的K-means算法对聚类结果进行后期优化处理。

关键词：数据挖掘聚类分析蚁群算法 lf算法 K-means算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于蚁群算法的聚类分析模型的研究及改进

基于蚁群算法的聚类分析模型的研究及改进

作者：刘阳阳兰州大学

学位级别：硕士

蚁群聚类算法通过模拟蚁群的群体智能行为构建聚类模型,是一种基于模型的聚类分析算法,也是近年来聚类分析领域研究的热点和前沿课题。研究发现,基于蚁群算法构建聚类分析模型在解决某些问题上往往比传统的聚类算法更接近于实际的聚类... 详细信息

蚁群聚类算法通过模拟蚁群的群体智能行为构建聚类模型,是一种基于模型的聚类分析算法,也是近年来聚类分析领域研究的热点和前沿课题。研究发现,基于蚁群算法构建聚类分析模型在解决某些问题上往往比传统的聚类算法更接近于实际的聚类问题。本文在研究多种蚁群聚类分析模型的基础上,着重研究了基于蚁群分类幼蚁的lf算法模型和基于蚁群自我聚集行为的AntTree算法模型。在深入分析lf算法的基础上,本文提出了IDlf算法。IDlf算法的改进主要包括以下五个方面：增强蚂蚁移动的目的性;动态调整蚂蚁的可视范围;动态调整群体相似度的调节系数;优化算法的结束条件,使算法能够根据实际聚类情况自动结束;增加了对蚂蚁长期空载或者负载情况的解决方案。 AntTree算法模型是一种新型的蚁群聚类模型,本文对AntTree算法模型做了相关的研究工作并提出了优化和完善方案,主要包括：优化了算法的初始化方案;优化了算法的阈值更新方案;完善了蚂蚁的移动规则。本文采用3个标准UCI数据集作为测试数据集,分别对IDlf算法模型和AntTree算法模型的优化方案做了实验分析。实验结果证明,IDlf算法和AntTree算法的优化方案有效提高了原算法的聚类性能。

关键词：蚁群聚类算法蚁群算法聚类分析模型 lf算法 IDlf算法 AntTree算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

蚁群聚类组合算法的研究

武汉科技大学学报 2007年第1期30卷 83-86页

作者：张群张利敏湖北工业大学计算机学院湖北武汉430068 武汉理工大学计算机学院湖北武汉430070

聚类分析作为数据挖掘中一个重要的组成部分,主要用于在潜在的数据中发现有价值的数据分布和数据模式。在研究基本蚁群聚类模型、信息熵以及lf算法和K-means算法的基础上,提出了一种蚁群聚类组合算法策略。

关键词：聚类分析蚁群算法 lf算法 K—means算法