导读:本文包含了中心点选择论文开题报告文献综述、选题提纲参考文献，主要关键词:中心点,粒子,路由,算法,方差,峰值,变电站。
中心点选择论文文献综述写法
刘儒衡[1]（2018）在《一种用于多类别划分的中心点选择算法》一文中研究指出传统的K-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。当类别数目较多时,较好的初始聚类中心点集合的选择更为困难。针对K-means算法存在的这一问题,该文提出一种用于多类别划分的中心点选择算法(MC-KM)。MC-KM通过放大中心点间长距离和短距离的影响的差距,增大短距离的比重,进而选择一个距离其他中心点都较远的样本作为中心点,然后使用传统K-means进行聚类。理论分析与实验结果表明,MC-KM在类数目较多的数据集中能取得更好的聚类结果,并且具有较好的稳定性。(本文来源于《电脑知识与技术》期刊2018年12期）
王勇,王李福,饶勤菲,邹辉[2]（2017）在《半径自适应的初始中心点选择K-medoids聚类算法》一文中研究指出针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本点的局部方差和领域半径,选取较优的初始聚类中心点,实现良好的聚类效果。采用不同规模的UCI数据集和不同比例随机点的模拟数据集进行测试,利用5个通用的聚类评价指标对性能进行评价。结果表明:本算法性能较同类算法有明显提高。(本文来源于《重庆理工大学学报(自然科学)》期刊2017年02期）
马春来,单洪,马涛[3]（2016）在《一种基于簇中心点自动选择策略的密度峰值聚类算法》一文中研究指出针对基于密度峰值的聚类算法(CFSFDP)无法自行选择簇中心点的问题,提出了CFSFDP改进算法。该算法采用簇中心点自动选择策略,根据簇中心权值的变化趋势搜索"拐点",并以"拐点"之前的一组点作为各簇中心,这一策略有效避免了通过决策图判决簇中心的方法所带来的误差。仿真实验采用5类数据集,并与DBSCAN及CFSFDP算法进行了对比,结果表明,CFSFDP改进算法具有较高的准确度及较强的鲁棒性,适用于较低维度的数据的聚类分析。(本文来源于《计算机科学》期刊2016年07期）
韩易[4]（2015）在《变电站主变压器中心点接地方式选择探析》一文中研究指出文章围绕变电站主变电压器中心点接地方式的选择进行介绍,结合在选择过程中要考虑的相关因素,更好地提升了整个网络运行的可靠性与安全性。(本文来源于《中国高新技术企业》期刊2015年25期）
路浩,倪世宏,查翔,张鹏[5]（2014）在《基于递减概率初始点选择K中心点进化算法》一文中研究指出粒子群优化(PSO)的K-Medoids进化聚类算法中初始种群是随机产生的,导致选择的初始中心点有可能位于同一类簇中。为提高聚类准确性,提出一种采用递减概率化初始点选择的PSO与K-Medoids结合新算法。根据样本的分布密度设置对应的选择概率,并由轮盘赌策略依次选择中心点,使获得的中心点位于密度较高区域且在不同的簇中,同时又实现了初始种群的多样性。在人工和UCI真实数据集上的实验结果表明,改进后的算法有更快的收敛速度,提高了聚类准确率和稳定性。(本文来源于《计算机仿真》期刊2014年09期）
李萍[6]（2009）在《基于最小时延差的多播路由中心点选择算法》一文中研究指出研究分析各种中心点选择方案对中心树的时延和时延差的影响。首先证明寻找时延和时延差受约束的中心树问题是NP完全问题,然后提出一种可以使时延差较小的中心点选择算法。(本文来源于《硅谷》期刊2009年18期）
赵承坤,黄立人[7]（1991）在《速率面拟合法中核函数中心点的选择》一文中研究指出用多面函数法拟合地壳垂直运动速率面时,核函数中心点的配置直接影响拟合效果的好坏、计算工作量的大小以及未测点速率预测的结果,有时甚至影响到拟合的成败。本文在工作实践中应用逐步回归理论来筛选核函数中心点,收到了较好的效果。本文的方法对于数字地面模型的建立也有实用意义。(本文来源于《地壳形变与地震》期刊1991年02期）
中心点选择论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对K-medoids(K为中心点)聚类算法对初始聚类中心敏感、聚类结果依赖于初始聚类中心的缺陷,提出一种新的半径自适应的初始中心点选择算法。该算法在每次迭代过程中都重新根据剩余样本点的分布特征计算半径,从而实现动态计算相应样本点的局部方差和领域半径,选取较优的初始聚类中心点,实现良好的聚类效果。采用不同规模的UCI数据集和不同比例随机点的模拟数据集进行测试,利用5个通用的聚类评价指标对性能进行评价。结果表明:本算法性能较同类算法有明显提高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
中心点选择论文参考文献
[1].刘儒衡.一种用于多类别划分的中心点选择算法[J].电脑知识与技术.2018
[2].王勇,王李福,饶勤菲,邹辉.半径自适应的初始中心点选择K-medoids聚类算法[J].重庆理工大学学报(自然科学).2017
[3].马春来,单洪,马涛.一种基于簇中心点自动选择策略的密度峰值聚类算法[J].计算机科学.2016
[4].韩易.变电站主变压器中心点接地方式选择探析[J].中国高新技术企业.2015
[5].路浩,倪世宏,查翔,张鹏.基于递减概率初始点选择K中心点进化算法[J].计算机仿真.2014
[6].李萍.基于最小时延差的多播路由中心点选择算法[J].硅谷.2009
[7].赵承坤,黄立人.速率面拟合法中核函数中心点的选择[J].地壳形变与地震.1991