共查询到20条相似文献,搜索用时 15 毫秒
2.
3.
4.
针对k-means算法的聚类结果对初始聚类中心的选取较为敏感、选择聚类数目存在一定的主观性以及离群数据影响的问题,提出了一种结合孤立森林和鲸鱼优化算法的三支k-means算法(iF-W-TWKM)。首先利用孤立森林算法对数据集进行清洗,将数据集划分为两个子集:正常数据子集和异常数据子集。使用正常数据子集进行后续算法步骤,待算法结束后使用得到的聚类中心将异常数据子集中的样本划分到各类簇的边界域。利用鲸鱼优化算法建立以STDI为目标函数的优化问题进行全局寻优实现聚类中心的选取,避免局部最优。实验结果表明,改进后的算法在ACC、AS、DBI指标上整体优于k-means和TK-means,具有更好的聚类表现。 相似文献
5.
6.
本文首先对最优化方法和智能计算及其研究现状作了简单介绍;然后阐述了人工鱼群算法及人工鱼群算法在路由优化中的应用;最后对智能优化算法进行了总结和展望. 相似文献
7.
K-means聚类算法在随机选择的初始聚类中心的基础上进行聚类,其聚类效果会因为初始聚类中心的不确定性而不稳定。为了优化其聚类效果,提出了基于近邻传播算法(AP算法)的K-means聚类优化算法(APK-means)。该算法首先通过近邻传播算法生成若干个初始聚类,然后依序选择k个聚类规模最大的聚类中心作为K-means聚类算法的初始聚类中心,接着运行K-means聚类。算法有效性分析和实验结果验证了该算法有效优化了K-mean算法的聚类稳定性和有效性。 相似文献
8.
算网大脑通过向OTN控制器查询,获取以指定机房为中心,小于等于指定时延指标的所有机房节点的信息。基于这些节点的地理位置信息,算网大脑用Graham扫描算法生成凸多边形,进而通过调用能力开放平台平滑接口计算生成平滑面,在GIS地图上绘制和展示每个网络机房或算力机房的时延圈。通过这种方法,将运营商的OTN网络时延性能进行地理化呈现,便于客户快速直观地选云、入云,同时也能协助运营商在规划算力机房时选择最佳的地理位置,以满足目标区域的算力服务覆盖需求。 相似文献
9.
由于PPI网络数据的无尺度和小世界特性,使得目前对此类数据的聚类算法效果不理想.根据PPI网络的拓扑结构特性,本文提出了一种基于连接强度的蚁群优化(Joint Strength based Ant Colony Optimization,JSACO)聚类算法,该算法引入了连接强度的概念对蚁群聚类算法中的拾起/放下规则加以改进,以连接强度作为拾起规则,对结点进行聚类,并根据放下规则放弃部分不良数据,产生最终聚类结果.最后采用了MIPS数据库中的PPI数据进行实验,将JSACO算法与PPI网络数据的其他聚类算法进行比较,聚类结果表明JSACO算法正确率高,时间开销低. 相似文献
10.
智能优化算法与传统数学规划方法相比,具有全局优化性能、鲁棒性强、通用性强且适于进行并行计算的特点,因而更能有效地处理非线性混合整数规划问题,评价全局最优解。本文综述了各种优化算法在分布式电源规划中的应用,分析了各种算法的优缺点,并对今后研究方向提出一些建议。 相似文献
11.
《电子技术与软件工程》2019,(23)
本文对群智能的理论内涵进行分析,然后从人工鱼群算法、蚁群算法以及粒子群算法三个角度分析群智能优化算法在移动机器人规划中的应用现状,然后对以上三种算法的性能做比较。 相似文献
12.
针对机器学习中聚类算法参数多样调参复杂的问题,分析了基于PSO算法在机器学习参数组合寻优方面的可行性,设计了一种基于PSO算法的K-means机器学习聚类算法的参数寻优策略。通过PSO算法找到模型最佳的参数组合,提高K-means机器学习模型的性能。通过对算法调优策略进行测试结果表明,使用PSO算法对K-means机器学习聚类算法进行参数调优,不仅能够找到适于该数据的最佳参数组合提高聚类算法的性能,也可以减少经验调参所带来的误差和成本。 相似文献
13.
随着模糊数学的产生和发展,模糊聚类分析也随之产生并得到广泛应用。本文主要介绍模糊聚类及其应用领域,分析和探讨模糊聚类的基本原理、方法,重点介绍C-均值聚类分析算法(FCM)以及减法聚类算法,并结合中国统计局的2005年度各行业废气排放和处理情况的数据用matlab模糊逻辑工具箱对其进行模糊聚类分析,所得结果可为各行业污染分类情况进行处理提供参考。 相似文献
14.
15.
16.
主要根据智能光网络的特点,分析网络规划与优化的重要性和紧迫性,在简单介绍其规划和优化主要方法和应用技术的基础上,重点介绍中讯邮电咨询设计院自主开发的ASON规划与优化软件。 相似文献
17.
18.
19.
在大规模分布式网络应用中,对网络节点进行聚类是构建高效网络体系结构的有效办法之一.在利用网络坐标系统Vivaldi得到各个节点的网络坐标的基础上,对网络节点进行K-medoids聚类.然后,针对K-medoids算法对初始中心选值敏感和易陷入局部极值的问题,提出基于免疫克隆算法的K-medoids聚类.实验结果表明,该聚类算法具有良好的可靠性及可扩展性,能对节点进行有效聚类. 相似文献