基于遗传算法的高效聚类挖掘新算法

提出了一种基于遗传算法的聚类数据挖掘新算法,并在某钢铁集团CIMS工程的销售管理系统中成功进行了应用,新算法与已有算法进行了对比研究.新方法对其他类似的实际应用也有参考价值.     

密度峰值聚类算法研究综述

密度峰值聚类（DPC）是一种新提出的基于密度和距离的聚类算法，由于其原理简单，无需迭代和能处理形状数据集等优点，正在数据挖掘领域得到广泛应用。但DPC算法也有着一定的缺陷，如：对截断距离参数敏感，初始聚类中心的选择非自动化，后续标签分配存在链式问题，时间复杂度较高等。文章对DPC算法的研究现状进行了总结与整理，首先介绍了DPC的算法原理和流程；其次，针对DPC算法的不足对DPC算法的优化进行概括和分析，指出了优化算法的核心技术以及优缺点；最后，对DPC算法未来可能面对的挑战和发展趋势进行展望。     

基于摄动思想的传递闭包聚类法的分析与应用

分析了传统的模糊聚类方法,基于摄动思想,将传递闭包聚类法与目标函数法相结合,得出了一种既满足聚类效果要求又减小聚类失真的简便算法,同时给出了该聚类方法的步骤.最后通过对水体的水质进行聚类的例子对算法加以应用,显示了算法的可靠性、有效性.     

一种新的基于神经网络采色图像颜色量化方法

提出一个利用竞争Ｈｏｐｅｆｉｅｌｄ神经网络来进行颜色量化的新算法。它按照采色图像像素的ＲＧＢ颜色值的分布来完成调色板的设计和像素的颜色映射两项任务，从而最终完成量化工作。     

基于阈值和蚁群算法结合的聚类方法

为了改善聚类分析的质量，提出了一种基于阈值和蚁群算法相结合的聚类方法．按此方法，首先由基于阈值的聚类算法进行聚类，生成聚类中心，聚类个数也随之初步确定；然后将蚁群算法的转移概率引入K-平均算法，对上述聚类结果进行二次优化．实验表明，与尽平均算法等相比，该聚类方法的F-测度值（F-measure）更高．     

基于自适应蚁群算法的图像分割

蚁群算法良好的离散性，并行性，正反馈性和鲁棒性，非常适合于图像分割。但基本蚁群算法蚂蚁的搜索是随机的，计算量大，不利于算法的收敛，为此，本文提出了设置初始聚类中心的设想，并以小窗口为对象实施算法，由此大大减小了计算量。另外基本蚁群算法中挥发系数固定，会导致算法可能过早收敛或停滞，针对这一不足，本文将其修改为随蚂蚁通过可行路径个数动态变化，使其收敛性和稳定性有了一定提高。实验证明了方法的有效性。     

基于层次聚类的改进FCM算法

针对基本FCM算法只适用于球形或者类球形数据分布的特点,提出了基于层次聚类的改进FCM算法,首先对数据进行过划分,然后再进行凝聚,使之适用于不规则分布的数据。并且引入Ksoko子集度量使合并操作在计算时间上可以接受。     

基于两次聚类的PWARX驾驶行为辨识模型

针对传统基于聚类的PWARX模型依赖先验知识和子空间划分精度不高的问题,提出一种基于两次聚类的PWARX辨识模型改进算法,并将其应用于驾驶行为建模。首先通过近邻传播算法在样本空间上进行聚类,在所得类簇上用线性模型进行拟合,并通过K-means算法在线性模型的参数空间上进行聚类,以获得PWA子模型的区域划分,最后在各个子空间上对PWA子模型进行求解。该算法合理利用了近邻传播算法和K-means算法的特点,通过在样本和参数空间上的两次聚类获得了良好的子模型区域分割效果。并对10名驾驶员的驾驶行为的建模实验结果表明,所提算法的模型辨识的平均准确率达到了91.5%。     

基于遗传算法的FCM算法在边坡监测中的应用研究

利用模糊聚类分析方法将边坡进行安全等级分类,对于边坡的治理是一种有效的方法。传统的聚类是一种局部搜索方法,易陷入极小值。遗传算法(GA)是一种应用广泛的全局寻优算法,将其与FCM算法进行结合,更准确地进行分类。     

极大熵聚类算法的收敛性定理

讨论了极大熵聚类算法的收敛性，构造了极大熵聚类算法的收敛点集，并证明了极大熵聚类算法的收敛性定理．结果表明，极大熵聚类算法不一定收敛到局部极小点，有时收敛到鞍点．同时，也给出了如何判断极大熵聚类算法的收敛点是局部极小点还是鞍点的方法。     

对Apriori算法的进一步改进

介绍了关联规则挖掘的情况，并在分析关联规则的数据挖掘算法的基础上，针对Apriori算法和Apriori-1算法进行深入研究，提出了Apriori-2算法，新算法在计算候选大项集支持度所涉及的记录数目将小于事务数据库中原始的记录数目，提高了原算法的效率，具有一定的实用性．     

一种新的分区回溯算法

在传统回溯算法及其时间和空间复杂性的研究基础上,提出了一种通用混合回溯方法——基于分区的回溯算法,在空间和时间代价较小的情况下,它能找到全部解,并且通过N皇后问题进行了实验,获得了较好的结果,说明该算法是可行的和有效的。     

一种模糊自适应遗传算法

为克服标准遗传算法的早熟现象,提高算法的全局收敛性和收敛速度,采用并行遗传算法的思想,将整个种群分为几个子种群,分别用不同的遗传算子进行遗传操作;并根据它们各自对进化的贡献,利用模糊推理的方法,对其所作用的子种群的规模作出调整．对函数优化的仿真结果表明,该算法能较好地克服早熟现象,取得较为满意的优化效果．     

一种改进的形态学边缘检测方法

对经典形态学进行了3点改进,提出一种多尺度多级级联自适应加权图像边缘检测算法.经实验结果表明,与其他方法相比,该算法抗噪性能更优,得到的边缘图像具有良好的边缘细节特性,算法比较简单,具有一定的实用性和可行性.     

A Note on Shor''s Quantum Algorithm

Shor proposed a polynomial time algorithm for computing the order of one element in a multiplicative group using a quantum computer. Based on Miller's randomization, he then gave a factorization algorithm. But the algorithm has two shortcomings, the order must be even and the output might be a trivial factor. Actually, these drawbacks can be overcome if the number is an RSA modulus. Applying the special structure of the RSA modulus,an algorithm is presented to overcome the two shortcomings. The new algorithm improves Shor's algorithm for factoring RSA modulus. The cost of the factorization algorithm almost depends on the calculation of the order of 2 in the multiplication group.     

基于二阶导数的优化算法

本文针对梯度法收敛速度慢，易于陷入局部极值的缺点。提出了一种新的基于二阶导数的下降方向，由此导出了新的优化算法即ND算法。该算法计算简便，收敛速度较梯度法快。实例验证效果较好。     

求解预支约束下商品批发零售问题的近似算法

研究了求解预支约束下批发零售问题的一种新的近似算法,这一算法是一种改进的贪婪算法,即将部分穷举法与贪婪算法相结合并从理论上分析了该算法的可靠性和有效性,最后得出了该算法的性能保证为1-e-1.     

基于下降搜索的量子进化算法

为了提高全局寻优能力和收敛速度，基于量子进化算法和混合遗传算法，提出了一种新的进化算法．该算法将下降搜索理论应用到量子进化算法中，改进了量子进化算法仅靠量子门进行迭代的作用，从而加快了收敛速度，并降低了个体在进化时产生退化的可能性．典型函数的仿真实验结果表明，该算法具有好的全局性和收敛性．     

�����������������Ŵ��㷨

网络设计问题来源于道路网络的规划，网络设计问题的算法研究对于交通规划的工程实践具有重要的实际意义。本文概述了网络设计问题，指出了网络设计问题数学模型算法研究的复杂性和重要意义。以连续网络设计问题为主要研究对象，分析了连续网络设计问题双层规划数学模型的结构特点。以现代遗传算法为基础，设计了适于解决连续网络设计问题的计算方法。以一个具体的连续网络设计问题为例，证实该算法不仅具有很好的收敛性而且算法所求得的最优解也是可靠的。本文的思想方法亦可运用于其它类型的网络设计问题。     

基于特征匹配和分箱技术的FCM算法研究

在基于聚类分析算法的入侵检测技术中,聚类的划分方法直接影响入侵检测的检测率。文章在基于分箱统计的HCM算法研究的基础上,针对模糊C-均值(FCM)算法的局限性,设计出一种改进的FCM算法。实验表明该算法比已有的FCM算法在对聚类的划分情况又有所改善,从而能提高检测率,且能较好地发现新的攻击类型。