相关度
- 相关度
- 发表时间
每页显示10条
- 每页显示10条
- 每页显示20条
- 每页显示30条
已找到 60 条结果
- 用聚类算法及Hopfield神经网络布置环状管网北大核心摘要：为了降低供水管网的工程投资,提出了一种环状给水管网优化设计的方法,把环状管网布置问题用K-Means算法分解成许多小规模的环状问题,对于每一个小规模的环状管网用Hopfiled连续型神经网络求解环状的最短距离,然后把各个基环当成一个点,再用Hopfield神经网络以较大的概率求出最优路径.对某小区58个供水点进行了供水管网实例计算,结果表明:该供水管网的质心间最短距离为2.8937 km,能量函数为递减状态且最终的能量函数值为1.44…查看全部>>
- 基于密度的K-Means算法及在客户细分中的应用研究北大核心CSCDCSTPCD
- 基于文化算法的混合聚类方法北大核心CSCDCSTPCD
- 基于优化初始聚类中心K-Means算法的跳频信号分选北大核心CSCDCSTPCD
- 一种优化初始中心点的K-Means文本聚类算法北大核心CSTPCD
- 基于蚁群算法的K-Means聚类雷达信号分选算法CSTPCD
- 群体研讨环境中面向主张的关联规则分析CSTPCD摘要：群体研讨环境的首要目的是支持合作型的群体研讨活动.在群体研讨活动中,将会产生一些研讨信息,因此有必要分析研讨信息中的关联关系,为达成研讨共识提供参考.阐述了聚类分析和关联规则的基本概念,其中简单描述了Aprioritid算法,提出了改进的K-Means聚类算法,最后通过实例针对研讨主题进行聚类分析,将关联规则应用在聚类分析的结果中,以实现关联关系的挖掘.
- 基于竞争学习的K质心组合聚类算法CSCDCSTPCD摘要：K-Means算法的聚类结果对初始簇的选择非常敏感,通常获得的是局部最优解而非全局最优解.为此,在K-Means聚类算法基础上,引入组合聚类和竞争学习概念,提出一种基于竞争学习的K质心组合聚类算法CLK-Centroid.该算法采用竞争学习策略计算簇的质心,以适应噪声数据和分布异常数据的要求,使用组合聚类策略提高聚类的精度.在数据集上构建多个CLK-Centroid聚类器进行聚类,构建子簇相似矩阵,并根据子簇之间的相似性合并相似簇.理…查看全部>>
- 基于K-Means变异算子的混合遗传算法聚类研究CSCDCSTPCD摘要：遗传算法具有良好的全局搜索能力,但有过早收敛和过慢结束的缺点.K-Means算法具有很强的局部搜索能力,但算法有对初始聚类中心敏感而易陷入局部最优解.针对上述问题,提出了基于K-Means变异算子的混合遗传算法聚类,将K-Means算法的局部搜索能力与遗传算法的全局寻优搜索能力相结合,在遗传算法中引入K-Means变异算子,采用符号编码、自适应变异、最优个体保留策略的混合遗传算法.仿真实验表明,该算法有效克服了遗传算法过慢收敛和K-M…查看全部>>
- K-Means聚类算法的研究CSTPCD