首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机软件论文--程序设计、软件工程论文--程序设计论文

基于膜系统的聚类优化算法研究

摘要第5-7页
Abstract第7-8页
第1章 绪论第9-21页
    1.1 研究背景及意义第9-10页
    1.2 研究现状与发展趋势第10-12页
        1.2.1 膜计算研究现状及发展趋势第10页
        1.2.2 聚类研究现状及发展趋势第10-12页
        1.2.3 基于膜计算的聚类优化算法研究现状与发展趋势第12页
    1.3 膜计算基础第12-14页
        1.3.1 膜计算产生原理第12页
        1.3.2 膜系统结构与规则设计第12-13页
        1.3.3 细胞型膜系统第13-14页
    1.4 聚类理论基础第14-17页
    1.5 论文研究思路及创新点第17-21页
        1.5.1 研究的创新点第17-18页
        1.5.2 研究难点第18页
        1.5.3 研究内容安排第18-21页
第2章 基于细胞型膜系统的Grid Density K-medoids聚类算法研究第21-29页
    2.1 GD-K-medoids聚类方法第21-23页
    2.2 基于GD-K-medoids细胞型膜系统第23-27页
        2.2.1 细胞型膜系统结构设计第23-24页
        2.2.2 细胞型膜系统规则设计第24-27页
    2.3 算法性能比较分析第27-29页
第3章 基于细胞型膜系统的MDE-K-means聚类算法研究第29-42页
    3.1 MDE-K-means聚类算法第29-34页
        3.1.1 K-means聚类算法第29-30页
        3.1.2 改进后差分进化算法与K-means结合第30-34页
    3.2 细胞型膜系统设计第34-36页
        3.2.1 细胞型膜系统结构设计第34-35页
        3.2.2 细胞型膜系统规则设计第35-36页
    3.3 实验分析与比较第36-42页
        3.3.1 实验数据集第36页
        3.3.2 算法计算过程第36-37页
        3.3.3 实验结果及结论第37-42页
第4章 基于膜计算的聚类优化算法在澳门游客消费能力分析中的应用第42-53页
    4.1 游客消费能力分析的研究背景与研究现状第42-43页
    4.2 实验方法与实验数据第43-44页
    4.3 GD-K-medoids算法应用于消费能力数据聚类实验结果分析第44-53页
        4.3.1 游客消费领域分析第44-46页
        4.3.2 不同消费领域游客特点分析第46-53页
第5章 基于膜计算的聚类优化算法在图像分割中的应用第53-62页
    5.1 图像分割第53-55页
        5.1.1 图像分割的研究背景与研究意义第53-54页
        5.1.2 图像分割的研究方法与研究趋势第54-55页
    5.2 聚类算法应用于图像分割技术第55-57页
        5.2.1 聚类应用于图像分割常用的特征属性第55-56页
        5.2.2 图像分割中常用的聚类算法第56-57页
    5.3 MDE-K-means聚类算法应用于图像分割实验结果对比分析第57-62页
第6章 总结与展望第62-65页
    6.1 总结第62-63页
    6.2 进一步研究工作第63-65页
参考文献第65-70页
攻读硕士期间发表的学术论文和参加科研情况第70-71页
致谢第71页

论文共71页,点击 下载论文
上一篇:卫星导航信号质量监测评估算法研究与系统实现
下一篇:基于WWT平台的天文教学模式研究