首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于群体智能优化的聚类算法研究

摘要第4-5页
ABSTRACT第5-6页
第1章 绪论第10-15页
    1.1 研究背景和意义第10-11页
    1.2 国内外发展现状第11-12页
    1.3 主要研究工作第12-13页
    1.4 论文组织结构第13-14页
    1.5 本章小结第14-15页
第2章 算法相关知识第15-25页
    2.1 群体智能优化算法概述第15-19页
        2.1.1 群体智能优化算法分类第15-16页
        2.1.2 果蝇优化算法第16-17页
        2.1.3 布谷鸟搜索算法第17-19页
    2.2 聚类分析概述第19-24页
        2.2.1 聚类算法分类第19-21页
        2.2.2 近邻传播聚类第21-22页
        2.2.3 聚类有效性评价指标第22-24页
    2.3 本章小结第24-25页
第3章 基于知识记忆的果蝇优化算法第25-37页
    3.1 基于知识记忆的果蝇算法第25-27页
        3.1.1 理论模型第25页
        3.1.2 基于知识记忆的飞行优化策略第25-27页
        3.1.3 算法流程第27页
    3.2 仿真模拟实验第27-35页
        3.2.1 算法寻优精度分析第29-31页
        3.2.2 算法收敛速度分析第31-33页
        3.2.3 算法时间复杂度分析第33-34页
        3.2.4 与其它改进果蝇算法和其它群体智能算法的比较分析第34-35页
    3.3 本章小节第35-37页
第4章 基于边界识别的布谷鸟搜索算法第37-47页
    4.1 基于边界识别的布谷鸟搜索算法第37-38页
        4.1.1 理论模型第37页
        4.1.2 基于边界识别的改进策略第37-38页
        4.1.3 算法流程第38页
    4.2 仿真模拟实验第38-43页
        4.2.1 实验环境与参数设置第40-41页
        4.2.2 寻优精度分析第41-42页
        4.2.3 收敛速度分析第42-43页
    4.3 基于边界识别的布谷鸟搜索算法的应用第43-45页
        4.3.1 PID参数控制问题第43-44页
        4.3.2 实验分析第44-45页
    4.4 本章小节第45-47页
第5章 基于趋势搜索的果蝇协同进化近邻传播聚类模型第47-71页
    5.1 基于趋势搜索的果蝇协同进化算法第47-56页
        5.1.1 理论模型第47页
        5.1.2 趋势搜索机制第47-49页
        5.1.3 种群间协同进化机制第49-50页
        5.1.4 算法流程第50-51页
        5.1.5 CEFOA算法的复杂性分析第51页
        5.1.6 CEFOA算法收敛性证明第51-56页
    5.2 仿真模拟实验第56-66页
        5.2.1 算法精度分析第57-58页
        5.2.2 收敛速度分析第58-61页
        5.2.3 与其它元启发式算法进行比较第61-65页
        5.2.4 种群规模与高维度对CEFOA的影响第65-66页
    5.3 基于趋势搜索的果蝇协同进化近邻传播聚类模型第66-68页
        5.3.1 理论模型第66-67页
        5.3.2 改进聚类模型描述第67页
        5.3.3 算法流程第67-68页
    5.4 仿真模拟实验第68-70页
    5.5 本章小节第70-71页
第6章 基于密度邻域优化的半监督近邻传播聚类第71-82页
    6.1 基于密度邻域优化的半监督近邻传播聚类第71-76页
        6.1.1 理论模型第71页
        6.1.2 密度邻域果蝇优化策略第71-74页
        6.1.3 半监督近邻传播聚类第74-75页
        6.1.4 IFO-SAP聚类模型第75页
        6.1.5 算法流程第75-76页
    6.2 仿真模拟实验第76-78页
        6.2.1 聚类评价指标第76-77页
        6.2.2 实验分析第77-78页
    6.3 地震分级数据聚类分析第78-81页
        6.3.1 数据介绍第78-79页
        6.3.2 仿真模拟实验第79-81页
    6.4 本章小节第81-82页
第7章 总结与展望第82-84页
致谢第84-85页
参考文献第85-90页
作者简介第90-91页
攻读硕士学位期间研究成果第91页

论文共91页,点击 下载论文
上一篇:基于视觉的人体行为识别
下一篇:脑图像的分割与特征识别算法研究