已閱讀1頁，還剩57頁未讀， 繼續(xù)免費(fèi)閱讀
版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、近幾年來，各種現(xiàn)代啟發(fā)式優(yōu)化算法，如模擬退火算法、遺傳算法、粒子群算法等，被應(yīng)用到一些實(shí)際工程項(xiàng)目和科學(xué)研究的優(yōu)化問題中并取得的不錯(cuò)的效果。其中，免疫算法顯現(xiàn)出在數(shù)據(jù)挖掘應(yīng)用方面的巨大潛力。 本文在繼承K-modes給出的相似度的確立思想基礎(chǔ)上，加以改進(jìn)，解決了K-modes算法中存在的類內(nèi)相似度偏低的問題，并采用一種基于免疫進(jìn)化機(jī)制的搜索策略來全局搜索聚類中心，建立了一種基于免疫進(jìn)化的分類型數(shù)據(jù)聚類算法——ICCD(Immun
溫馨提示
- 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間，僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請(qǐng)與我們聯(lián)系，我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 分類型數(shù)據(jù)的聚類算法研究.pdf
- 基于免疫進(jìn)化計(jì)算的數(shù)據(jù)聚類算法研究及其應(yīng)用.pdf
- 面向分類型集值數(shù)據(jù)的層次聚類算法研究.pdf
- 基于進(jìn)化計(jì)算法的高維數(shù)據(jù)聚類研究.pdf
- 基于信息熵的高維分類型數(shù)據(jù)子空間聚類算法研究.pdf
- 高維分類型數(shù)據(jù)子空間聚類算法研究.pdf
- 基于進(jìn)化規(guī)劃的聚類算法研究.pdf
- 分類數(shù)據(jù)的并行聚類算法研究.pdf
- 流數(shù)據(jù)的聚類分類算法研究.pdf
- 基于微分進(jìn)化免疫和聚類的RBF網(wǎng)絡(luò)學(xué)習(xí)算法研究.pdf
- 不同類型數(shù)據(jù)間的聚類算法.pdf
- 基于差分進(jìn)化計(jì)算的聚類算法研究.pdf
- 面向分類數(shù)據(jù)的子空間聚類算法研究.pdf
- 分類數(shù)據(jù)的增量聚類算法研究與應(yīng)用.pdf
- 基于信息熵的高維分類型數(shù)據(jù)子空間聚類.pdf
- 基于聚類生成樹的分類算法研究.pdf
- 高維混合類型數(shù)據(jù)聚類算法研究.pdf
- 基于分解的多目標(biāo)進(jìn)化聚類算法研究.pdf
- 基于聚類的數(shù)據(jù)清洗算法的研究.pdf
- 混合類型數(shù)據(jù)的K-Centers聚類算法.pdf
評(píng)論
0/150
提交評(píng)論