【英文题名】
Research on Clustering Algorithm Based on Swarm Intelligence
【作者】
刘琼 ;
【导师】
罗可 ;
【学位授予单位】
长沙理工大学 ;
【学科专业名称】
计算机应用技术
【学位年度】
2010
【论文级别】
硕士
【网络出版投稿人】
长沙理工大学
【网络出版投稿时间】
2011-02-18
【关键词】
数据挖掘 ;
聚类分析 ;
群体智能 ;
蚁群优化算法 ;
粒子群优化算法 ;
【英文关键词】
data mining ;
clustering analysis ;
swarm intelligence ;
ant colony optimization algorithms ;
particle swarm optimization algorithms ;
【中文摘要】
数据挖掘是目前数据库和信息处理技术领域的前沿研究课题,被公认为是最具发展前景的关键技术之一。数据挖掘汇集了机器学习、数据库、模式识别、人工智能和统计学等学科的内容,是一门新兴的交叉学科。
聚类分析是数据挖掘技术中的一个重要研究课题,是一种用于数据划分或分组处理的重要手段。聚类分析作为数据挖掘系统中的一个模块,既可以成为一个单独的工具以发现数据库中数据分布的深层信息,也可以作为其他数据挖掘算法的一个预处理步骤。因此,研究如何提高聚类算法的性能具有重要的意义。
群体智能利用群体优势,在没有集中控制,不提供全局模型的前提下,为寻找复杂问题解决方案提供了新的思路,是“简单智能体通过合作表现出智能行为的特性”。作为群体智能的典型实现模式,模拟生物蚁群智能寻优的蚁群算法和模拟鸟群运动模式的粒子群优化算法正在受到学术界的广泛关注。
本文的主要研究工作包括以下几个方面:
(1)分析了聚类的定义及其数据类型,研究了聚类分析中的主要算法。
(2)研究了群体智能的基本概念、原理和主要应用等。
(3)分析了基本蚁群算法和LF聚类分析模型的基本原理及其优缺点,针对LF模型中一...
【英文摘要】
Data Mining is a superior area in the database and information technology, and is commonly considered as one of the key technology with wild developing perspective.Data Mining relates to machine learning,database,pattern recognition, AI and statistics technology etc.It is a new interdiscipline.
Clustering is an important research field in Data Mining,and also an important method in data partition or data grouping.Cluster analysis as a module in the systerm of data mining can be used not only as a separ...
【更新日期】
2011-04-22
【相同导师文献】
导师:罗可 导师单位:长沙理工大学 学位授予单位:长沙理工大学
[1] 罗文.基于排队论的OpenFlow网络分组转发性能模型研究 [D]. 长沙理工大学,2022
[2] 曾鹏.绿色高效OpenFlow分组转发性能优化模型研究 [D]. 长沙理工大学,2022
[3] 周国徽.面向高速网络流量的大流精确测量方法研究 [D]. 长沙理工大学,2022
[4] 杨熠.基于群体智能的聚类算法研究 [D]. 长沙理工大学,2021
[5] 刘风华.密度峰值聚类算法研究 [D]. 长沙理工大学,2019
[6] 康斌.基于同义词词林语义相似度的文本聚类算法研究 [D]. 长沙理工大学,2019
[7] 王昕宇.基于LF蚁群聚类算法的研究 [D]. 长沙理工大学,2019
[8] 邓亚文.基于物品推荐系统的协同过滤算法研究 [D]. 长沙理工大学,2018
[9] 蔡晨.基于BTM和查询扩展的微博检索研究 [D]. 长沙理工大学,2018
[10] 易斌.人工蜂群算法及其在聚类算法中的应用研究 [D]. 长沙理工大学,2017
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。