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

基于人工免疫系统的增量聚类算法及其优化与应用的研究

内容提要第1-8页
第1章 绪论第8-20页
   ·本文工作的研究背景与意义第8-9页
   ·聚类技术相关知识介绍第9-12页
   ·传统聚类算法的研究进展及其现状第12-15页
   ·基于生物智能聚类算法的研究进展及其现状第15-18页
   ·本文研究的主要内容和论文结构第18-20页
     ·本文的主要工作第18-19页
     ·论文组织结构第19-20页
第2章 从生物免疫系统到人工免疫系统第20-40页
   ·免疫系统简介第20-26页
     ·免疫系统组成第20-23页
     ·免疫系统分类第23页
     ·免疫系统的主要机制第23-25页
     ·免疫学的主要学说第25-26页
   ·免疫系统建模的原理、分析和展望第26-34页
     ·免疫系统建模的目的第27-28页
     ·免疫系统建模的相关方法第28-30页
     ·基于MA的免疫系统模型第30-33页
     ·免疫系统建模的总结和展望第33-34页
   ·人工免疫系统第34-38页
     ·人工免疫系统的历史第34-35页
     ·人工免疫系统的仿生机理第35-36页
     ·人工免疫系统的典型应用第36-37页
     ·基于免疫的经典聚类算法第37-38页
   ·本章小结第38-40页
第3章 实现增量数据聚类的免疫应答算法(IRA)第40-70页
   ·相关问题的研究第40-41页
   ·实现增量数据聚类的免疫应答算法(IRA)第41-51页
     ·算法框架及其形式化第41-43页
     ·算法总体描述第43-44页
     ·提取已知簇的相关信息第44-46页
     ·Ab种群的产生第46-47页
     ·识别不属于任何已知簇的增量数据第47-48页
     ·识别属于已知簇的增量数据第48-49页
     ·删除相似抗体数据和增加新抗体数据第49-50页
     ·IRA的计算复杂度与压缩率第50-51页
   ·IRA与其他基于免疫的相关算法比较第51-53页
   ·仿真实验与结果分析第53-61页
     ·数据准备第53-55页
     ·算法的参数设定第55页
     ·算法的性能评价指标第55-56页
     ·实验结果与分析第56-61页
   ·参数对IRA的影响第61-66页
   ·输入数据次序对IRA的影响第66-67页
   ·IRA与相关算法的性能对比第67-69页
     ·IRA与ISFaiNet和MSMAIS的总体比较第67-68页
     ·IRA与ISFaiNet的比较第68页
     ·IRA与MSMAIS的比较第68-69页
   ·本章小结第69-70页
第4章 IRA聚类结果的优化第70-84页
   ·基于最近邻和边介数的聚类结果的优化第70-77页
     ·基于最近邻和边介数聚类优化算法的提出第70-71页
     ·NN_EB算法描述第71-73页
     ·仿真实验结果与分析第73-77页
   ·基于蚁群的聚类结果优化第77-82页
     ·蚁群算法简介第77-78页
     ·基于蚁群聚类优化算法的提出第78页
     ·蚂蚁运动模型及基于蚁群的聚类优化算法第78-81页
     ·仿真实验结果与分析第81-82页
   ·本章小结第82-84页
第5章 改进的IRA在三维模型检索系统中的应用第84-96页
   ·三维模型检索系统简介第84-87页
     ·三维模型的检索方式第84-85页
     ·三维模型特征提取技术第85-86页
     ·三维模型测试库PSB第86-87页
   ·相关工作第87页
   ·改进的IRA(IIRA)第87-89页
   ·IIRA在三维模型检索系统中的应用第89-95页
     ·实验说明第89-90页
     ·IIRA处理形状相似的增量模型第90-92页
     ·IIRA处理形状不同的增量模型第92-93页
     ·IIRA基于已知簇识别增量模型第93-94页
     ·不同特征值增量模型聚类结果的比较第94-95页
   ·本章小结第95-96页
第6章 总结与展望第96-98页
参考文献第98-109页
攻读博士期间发表的论文情况及参加的项目第109-110页
致谢第110-111页
摘要第111-113页
Abstract第113-115页

论文共115页,点击 下载论文
上一篇:科学仪器远程操控技术研究与应用
下一篇:机器人磨削叶片关键技术研究