2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩77頁未讀, 繼續(xù)免費閱讀

下載本文檔

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、近十幾年來,隨著計算機技術(shù)、通信技術(shù)、網(wǎng)絡(luò)技術(shù)的迅速發(fā)展與廣泛應(yīng)用,企業(yè)面臨著日益增多的業(yè)務(wù)數(shù)據(jù),一方面,這些豐富的數(shù)據(jù)資源為企業(yè)提供能帶來商業(yè)利潤的決策信息;另一方面,企業(yè)生產(chǎn)過程的科學(xué)研究以大量的數(shù)據(jù)為基礎(chǔ),需要通過一定的方法和手段進行分析、處理,可以實現(xiàn)生產(chǎn)過程的過程辨識、故障診斷和控制決策等工作。因此,數(shù)據(jù)挖掘作為一種從大量的、復(fù)雜的數(shù)據(jù)中提取有用信息的技術(shù)手段,引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。
   混合蛙跳算法是一種

2、模擬青蛙群智能搜索行為的群體協(xié)同搜索算法。由于其控制參數(shù)少、易于實現(xiàn)、編程簡單等優(yōu)點,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、圖像處理等眾多領(lǐng)域中,但仍存在一些缺陷。本文針對FCM算法存在對初始值敏感和易陷入局部極小值的缺點,提出了一種基于混合蛙跳的模糊C-均值聚類算法(SFLA-FCM)。核模糊C-均值聚類(KFCM)算法在一定程度上克服了對數(shù)據(jù)形狀分布的依賴,但

3、仍存在對初始值敏感、易陷入局部極小值的缺點。為此,本文提出一種基于混合蛙跳的核模糊C-均值聚類算法(SFLA-KFCM)。
   用SFLA優(yōu)化KFCM算法,對于聚類數(shù)較少的數(shù)據(jù)集獲得了理想的結(jié)果。但在聚類數(shù)較大和維數(shù)較高時,聚類效果較差,為此提出首先將自適應(yīng)慣性權(quán)重引入混合蛙跳算法的更新策略中,再用改進后的混合蛙跳算法求得最優(yōu)解作為KFCM算法的初始聚類中心,然后利用KFCM算法優(yōu)化初始聚類中心,最后求得全局最優(yōu)解,從而有效克

4、服了KFCM算法的缺點,更適合高維、聚類數(shù)較多的數(shù)據(jù)集。
   用SFLA優(yōu)化FCM算法,對于聚類數(shù)較少、維數(shù)較低的數(shù)據(jù)集獲得了理想的聚類結(jié)果。但在聚類數(shù)較大和維數(shù)較高時,聚類效果較差,從而提出兩種改進的SFLA算法。第一種,先將線性遞減的慣性權(quán)重引入蛙跳算法的更新策略中,并按照一定的概率選擇適應(yīng)度值較優(yōu)的青蛙代替較差青蛙,并對每只青蛙個體以不同的概率變異。第二種,先用混沌的Tent序列初始化青蛙群體以增強群體的多樣性,提高初始

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。
  • 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。

評論

0/150

提交評論