导读:本文包含了优化模糊聚类论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,算法,均值,粒子,密度,油藏,方法。
优化模糊聚类论文文献综述
李小波,刘威,李健[1]（2019）在《基于模糊聚类分析方法的高含水期油藏层系优化》一文中研究指出针对高含水期油藏的层系优化问题,提出了一种基于模糊聚类分析的方法,阐述了在高含水期油藏层系优化过程中的使用过程,并实际验证应用效果。研究表明:使用模糊聚类分析方法以后,各层之间的矛盾明显减少,且各层系都具有一定的原油储量和厚度,各油井都具有一定的产能,每个层系都可以成为独立的开发系统。(本文来源于《当代化工》期刊2019年11期）
李昌兴,张晓璐,雷柳[2]（2019）在《基于粒子群优化非局部模糊聚类图像分割算法》一文中研究指出为提高局部模糊聚类算法(WFLICM)对噪声图像分割的抗噪性,克服模糊聚类图像分割算法对初始聚类中心的敏感性及易陷入局部最优问题,在WFLICM算法的基础上提出一种基于粒子群优化的融合局部和非局部空间信息的模糊聚类图像分割算法(PSO-WMNLFCM)。首先,利用粒子群优化算法的全局寻优能力得到最优粒子,并以此粒子作为模糊聚类算法的初始聚类中心。其次,用像素的非局部空间信息替换模糊因子中的局部邻域值,产生新的目标函数。最后,由拉格朗日乘子法最小化目标函数,得到隶属度和聚类中心的更新公式,从而完成图像分割。仿真结果表明,PSO-WMNLFCM算法相比于模糊局部聚类(FLICM)算法、局部模糊权重(WFLICM)算法、非局部模糊聚类(NLFCM)算法、非局部模糊聚类(MNLFCM)算法、基于粒子群的局部模糊聚类(PSO-FLICM)算法的划分系数提高了20.92%,20.51%,24.84%,1.44%,23.28%左右。(本文来源于《光电子·激光》期刊2019年07期）
祖志文,李秦[3]（2019）在《基于粒子群优化的马氏距离模糊聚类算法》一文中研究指出为解决传统模糊聚类迭代算法对初始化敏感,易陷入局部最优及处理高维数据时精度下降的问题,对基于马氏距离的模糊聚类算法(fuzzy c-means algorithm based on Mahalanobis distance,M-FCM)进行优化。将马氏距离代替欧氏距离,通过构造类内紧致度、类间分离度与类间清晰度结合的适应度函数,利用粒子群优化算法(particle swarm optimization,PSO)对马氏距离模糊聚类进行研究,提出了基于粒子群优化的马氏距离模糊聚类算法(Mahalanobis distance fuzzy clustering algorithm based on particle swarm optimization,DPSOM-FCM),并将此新算法与FCM(fuzzy c-means algorithm),M-FCM,PSO-FCM,IFPSOFCM(importance for fuzzy clustering algorithm based on particle swarm optimization)算法,在UCI(university of californiairvine)数据库的6个标准数据集上进行实验对比分析。结果表明,DPSOM-FCM算法具有算法收敛性和聚类有效性,并且聚类精确度优于其他算法,对高维数据的聚类识别能力强,即该算法具有全局优化作用。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年02期）
崔芳怡,荆晓远,董西伟,吴飞,孙莹[4]（2019）在《自适应蝙蝠算法优化的模糊聚类及其应用》一文中研究指出随着信息网络技术的飞速发展,如何对规模庞大的网络数据准确高效聚类并合理应用显得尤为重要。虽然模糊C均值聚类算法(FCM)已具有良好的聚类效果,但其对初始化敏感,在处理高维大规模网络数据时易陷入局部极值问题还未被完全克服。为了解决这两个问题,提出一种分布熵和平均位距改进的自适应蝙蝠算法,利用该算法对模糊C均值的参数进行优化。在此之上,将自适应蝙蝠算法优化的模糊聚类应用于异常检测领域,提出了一种自适应蝙蝠算法优化的模糊聚类异常检测算法。理论分析和仿真实验表明,与前沿的粒子群优化FCM异常检测算法和FCM异常检测算法相比,该算法具有更好的聚类效果和检测性能。(本文来源于《计算机工程与应用》期刊2019年07期）
罗云松,吕佳[5]（2019）在《结合密度峰值优化模糊聚类的自训练方法》一文中研究指出【目的】为了在迭代自训练之前探索数据集分布情况,挑选出所含信息量较大且置信度较高的无标记样本加入训练集训练,让训练出的初始分类器有较高的准确性,提高自训练方法的泛化性。【方法】以聚类假设为基础,先对无标记样本集进行密度峰值聚类,在人工地选出聚类中心后,将新的聚类中心作为模糊聚类的初始聚类中心进行模糊聚类,从而筛选出有用的无标记样本。【结果】通过使用密度峰值优化模糊聚类算法,筛选出所含信息量大且置信度高的样本加入了训练集,训练出泛化性更强、分类精度更高的分类器。【结论】实验结果表明,改进后的自训练方法能快速发现样本集原始空间结构,筛选出有用无标记样本加入训练集,与结合其他聚类算法的自训练方法相比分类精度有所提高。(本文来源于《重庆师范大学学报(自然科学版)》期刊2019年02期）
朱毅,杨航,吕泽华,陈传波,邹小威[6]（2019）在《一种基于禁忌搜索的全局最优化模糊聚类算法》一文中研究指出模糊C均值(FCM)算法是一种基于贪心思想的迭代算法,算法沿迭代序列收敛到一个极小值,但存在搜索能力弱、易陷入局部最优的缺点.本文提出了一种基于禁忌搜索的模糊聚类算法,该算法在一个解的邻域内使用禁忌搜索,并采用了基于FCM局部收敛性质的长期表禁忌策略,保证在不断移动搜索起点的同时避免重复搜索;其次使用混沌优化思想与动态步长策略来提升算法的全局搜索能力,以达到获取全局最优解的目的.实验结果表明,改进算法极大地提高了聚类准确率,并具有良好的稳定性,与群智算法和遗传算法的优化相比也具有一定的优势.(本文来源于《电子学报》期刊2019年02期）
汪赫瑜,唐敏影,任建华[7]（2019）在《基于二次网格优化的粒子群模糊聚类算法》一文中研究指出针对模糊C均值聚类算法易受初始聚类中心影响且收敛速度慢的缺陷,提出一种基于二次网格优化的粒子群模糊聚类算法Grid-PFcm。该算法首先将数据空间网格化,依据深度优先遍历规则,连通相邻密集网格单元,计算连通网格的相对密度,选取相对密度值最大的连通网格,计算中心位置,初始化聚类中心。然后,按照基于网格空间的单维向量变化原理,实现最佳粒子全局寻优,进一步优化初始聚类中心,以降低初始聚类中心选取对聚类效果的影响度。最后,通过实验表明,该算法能够加快寻优收敛速度,提高聚类效率和效果。(本文来源于《计算机工程与科学》期刊2019年02期）
印雨乔,郑蓓蓓[8]（2019）在《基于模糊聚类法的管网测压点优化布置》一文中研究指出通过对A区管网基础数据收集和整理,建立某市A区供水管网水力模型。对其进行修正和校核,使其与实际管网相符。在现有测压点基础上,选择适合正常供水调度的模糊聚类法用以对测压点位置的确定,最终增加7个监测点对管网压力进行监测。(本文来源于《科技风》期刊2019年02期）
沈振辉,杨拴强[9]（2018）在《基于模糊聚类及相关性分析的温度测点布置优化方法研究》一文中研究指出热误差严重影响机床的加工精度,通过热误差补偿技术提高机床加工精度是一个非常有效的途径。温度测点的选择与优化是热误差补偿技术研究中的难点。为了合理地减少温度测点数量,通过实验检测不同工况下进给系统各部件的温度分布,利用模糊聚类分析方法按温度变化规律对温度测点进行分类,通过对主轴温度场分布情况的分析,利用相关性分析方法,从24个温度测点中选取5个温度特征点,用于加工中心的热误差补偿,很大程度上提高了热误差建模的效率。结合以上两种方法,优化温度传感器测点的布置位置,减少了温度测点数量,提高了热误差补偿的精度。(本文来源于《现代制造工程》期刊2018年11期）
邢辉[10]（2018）在《基于模糊聚类法在康平县水资源优化配置中的应用》一文中研究指出采用模糊聚类法对康平县水资源进行优化配置,经过对未来水平年水资源的优化配置,康平县可成为一个多水源供水的城市,境内地下水源将逐步被境外地表水源替代,替代下来的地下水源可作为储备水源和应急水源,以提高全市供用水安全保障程度。(本文来源于《黑龙江水利科技》期刊2018年07期）
优化模糊聚类论文开题报告
（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：
为提高局部模糊聚类算法(WFLICM)对噪声图像分割的抗噪性,克服模糊聚类图像分割算法对初始聚类中心的敏感性及易陷入局部最优问题,在WFLICM算法的基础上提出一种基于粒子群优化的融合局部和非局部空间信息的模糊聚类图像分割算法(PSO-WMNLFCM)。首先,利用粒子群优化算法的全局寻优能力得到最优粒子,并以此粒子作为模糊聚类算法的初始聚类中心。其次,用像素的非局部空间信息替换模糊因子中的局部邻域值,产生新的目标函数。最后,由拉格朗日乘子法最小化目标函数,得到隶属度和聚类中心的更新公式,从而完成图像分割。仿真结果表明,PSO-WMNLFCM算法相比于模糊局部聚类(FLICM)算法、局部模糊权重(WFLICM)算法、非局部模糊聚类(NLFCM)算法、非局部模糊聚类(MNLFCM)算法、基于粒子群的局部模糊聚类(PSO-FLICM)算法的划分系数提高了20.92%,20.51%,24.84%,1.44%,23.28%左右。
（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。
优化模糊聚类论文参考文献
[1].李小波,刘威,李健.基于模糊聚类分析方法的高含水期油藏层系优化[J].当代化工.2019
[2].李昌兴,张晓璐,雷柳.基于粒子群优化非局部模糊聚类图像分割算法[J].光电子·激光.2019
[3].祖志文,李秦.基于粒子群优化的马氏距离模糊聚类算法[J].重庆邮电大学学报(自然科学版).2019
[4].崔芳怡,荆晓远,董西伟,吴飞,孙莹.自适应蝙蝠算法优化的模糊聚类及其应用[J].计算机工程与应用.2019
[5].罗云松,吕佳.结合密度峰值优化模糊聚类的自训练方法[J].重庆师范大学学报(自然科学版).2019
[6].朱毅,杨航,吕泽华,陈传波,邹小威.一种基于禁忌搜索的全局最优化模糊聚类算法[J].电子学报.2019
[7].汪赫瑜,唐敏影,任建华.基于二次网格优化的粒子群模糊聚类算法[J].计算机工程与科学.2019
[8].印雨乔,郑蓓蓓.基于模糊聚类法的管网测压点优化布置[J].科技风.2019
[9].沈振辉,杨拴强.基于模糊聚类及相关性分析的温度测点布置优化方法研究[J].现代制造工程.2018
[10].邢辉.基于模糊聚类法在康平县水资源优化配置中的应用[J].黑龙江水利科技.2018
论文知识图
