混合群智能算法及其在聚类分析中的应用研究

混合群智能算法及其在聚类分析中的应用研究

ID:42869659

大小:3.10 MB

页数:85页

时间:2019-09-20

混合群智能算法及其在聚类分析中的应用研究_第1页
混合群智能算法及其在聚类分析中的应用研究_第2页
混合群智能算法及其在聚类分析中的应用研究_第3页
混合群智能算法及其在聚类分析中的应用研究_第4页
混合群智能算法及其在聚类分析中的应用研究_第5页
资源描述:

《混合群智能算法及其在聚类分析中的应用研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、硕士学位论文參r混合群智能算法及其在聚类分析中的应用研究作者姓名陈亚环学校导师姓名、职称孙永军副教授企业导师姓名、职称刘全占高工^申请学位类别工程硕士混合群智能算法及其在聚类分析中的应用研究作者姓名陈亚环学校导师姓名、职称孙永军副教授企业导师姓名、职称刘全占高工申请学位类别工程硕士学校代码10701学号1501120477分类号TP301.6密级公开TN927.22西安电子科技大学硕士学位论文混合群智能算法及其在聚类分析中的应用研究作者姓名:陈亚环领域:电子与通信工程学位类别:工程硕士学校

2、导师姓名、职称:孙永军副教授企业导师姓名、职称:刘全占高工学院:通信工程学院提交日期:2018年6月ResearchonHybridSwarmIntelligenceAlgorithmandItsApplicationinClusteringAnalysisAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinElectronicsandCommunicationsEngineeringBy

3、ChenYahuanSupervisor:SunYongjunTitle:AssociateProfessorSupervisor:LiuQuanzhanTitle:SeniorEngineerJune2018西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德,本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知,除了文中特别加以标注和致谢中所罗列的内容以外,论文中不包含其他人已经发表或撰写过的研究成果;也不包含为获得西安电子科技大学或其它教育

4、机构的学位或证书而使用过的材料一。与我同工作的同事对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文若有不实之处一,本人承担切法律责任。、本人签名:降b日期:ijKf西安电子科技大学关于论文使用授权的说明本人完全了解西安电子科技大学有关保留和使用学位论文的规定,即:研究生在校攻读学位期间论文工作的知识产权属于西安电子科技大学。学校有权保留送交论文的复印件,允许查阅、借阅论文;学校可以公布论文的全部或部分内容,允许采用影印、缩印或其它复制手段保存论文。同时本人保

5、证,结合学位论文研宄成果完成的论文、发明专利等成果,署名单位为西安电子科技大学。仓许本人签名:托导师签名:&日期:曰期:L.,摘要摘要单一的群智能算法在解决较为复杂的优化问题时,都或多或少地受到自身或原理的限制,存在如下缺点:易陷入局部极值,产生早熟现象,泛化能力弱和结果精度不高等。混合群智能优化算法综合考虑了算法之间的差异性和互补性,然后按照某种规则将两种或多种群智能算法融合在一起或是将其他优化思想引入单种群智能算法中,取长补短以实现信息的增值和优势互补,进而增强算法的整体优化性能。本文研究混合改

6、进鲸鱼优化算法和粒子群算法,并用于解决函数优化、聚类分析和模糊聚类图像分割问题。主要研究工作如下:(1)提出了一种具有LevyFlight特征的鲸鱼优化算法(LFWOA),通过在鲸鱼收缩包围猎物的过程中引入Levy飞行策略,提高了鲸鱼优化算法的全局搜索能力和收敛精度,有效跳出局部最优区域。通过与WOA和其他两种算法在13个测试函数中的仿真结果对比,证明LFWOA可以避免陷入局部最优,且收敛精度高。(2)考虑PSO和LFWOA间的差异性和互补性,根据算法融合思想,提出基于Levy飞行鲸鱼群与粒子群并行融合的混合群智能算法(

7、PS-LFWOA)。该算法采用并行机制实现协同优化过程,并通过交叉、替换操作实现个体间的信息交互,以增加迭代后期群体多样性,平衡算法的局部开发能力和全局探索能力。通过对23个基准函数测试仿真,验证了混合算法在收敛速率、群体多样性、稳定性和收敛结果精度上均有提高。(3)提出了一种改进的鲸鱼群模糊C-均值聚类算法,改进体现在四个方面:目标函数设计,综合考虑了类内紧凑性与类间分离性的关系;自适应收敛因子,有效平衡鲸鱼搜索过程的全局搜索和局部开发能力;交叉变异策略,提高算法收敛速率和增加种群多样性;监测机制,实现鲸鱼算法与FCM

8、间的动态结合。通过对5组数据集进行数据聚类,验证了该混合算法获得的聚类结果类内紧凑,类之间分离较远,且具有较高的聚类准确性和稳定性。(4)针对FFCM算法对初始值设置敏感的问题,提出了一种基于鲸鱼优化的快速FCM图像分割方法。该算法在鲸鱼算法的搜索策略和收敛速度方面提出了改进措施,通过仿真实验,验证了该算法在解决图像

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。