您的位置: 专家智库 > >

曲建华

作品数:9 被引量:21H指数:3
供职机构:山东师范大学管理科学与工程学院更多>>
发文基金:山东省自然科学基金国家自然科学基金山东省科技攻关计划更多>>
相关领域:自动化与计算机技术经济管理更多>>

文献类型

  • 6篇期刊文章
  • 2篇学位论文
  • 1篇会议论文

领域

  • 8篇自动化与计算...
  • 1篇经济管理

主题

  • 4篇聚类
  • 4篇聚类算法
  • 3篇蚂蚁聚类算法
  • 3篇蚂蚁算法
  • 2篇信息过滤
  • 2篇群算法
  • 2篇子群
  • 2篇协同进化
  • 2篇粒子群
  • 2篇进化
  • 1篇动态规划
  • 1篇对称点
  • 1篇对称性
  • 1篇蚁群
  • 1篇蚁群优化
  • 1篇蚁群优化算法
  • 1篇优化算法
  • 1篇智能AGEN...
  • 1篇神经网
  • 1篇神经网络

机构

  • 9篇山东师范大学
  • 1篇西南交通大学

作者

  • 9篇曲建华
  • 2篇刘希玉
  • 1篇于洪玲
  • 1篇王洪国
  • 1篇王化雨
  • 1篇邵增珍
  • 1篇孟春华
  • 1篇马英红
  • 1篇孟强
  • 1篇刘洋

传媒

  • 3篇计算机应用研...
  • 2篇山东师范大学...
  • 1篇南京师大学报...
  • 1篇第二届中国R...

年份

  • 1篇2013
  • 5篇2010
  • 1篇2003
  • 2篇2002
9 条 记 录,以下是 1-9
排序方式:
改进的空间蚂蚁聚类算法
2010年
障碍约束下的空间聚类问题具有很强的实用价值,是空间数据挖掘中的一个重要研究课题.笔者讨论了带障碍约束的空间聚类问题,研究了一种基于蚂蚁算法的带障碍约束空间数据聚类分析方法,设计了一个带障碍约束的蚂蚁空间聚类算法.实验表明,该方法兼顾了局部收敛和全局收敛性能,考虑到了现实障碍物对聚类结果的影响,使聚类结果更具有实际意义.
曲建华刘希玉
关键词:空间聚类蚂蚁算法
多种群协同进化的K-means聚类算法
2010年
针对K均值聚类算法易陷入局部最小的缺点,提出了一种多种群协同进化的微粒群和K均值混合聚类算法,它将整个种群分解为多个子种群,各子种群独立进化,周期性地更新共享信息.同时将此算法与现有的基于遗传算法的K均值聚类算法进行了比较.实验结果证明,该算法能有效地克服传统的K均值算法易陷入局部极小值的缺点,同时全局收敛能力优于基于遗传算法的K均值聚类算法.
曲建华邵增珍
关键词:多种群微粒群算法K均值算法协同进化
基于Internet的旅游散客管理系统被引量:4
2002年
提出了一种基于Internet的旅游散客管理的C/S体系结构 ,并给出了实现此旅游散客管理系统的方法。所采用的关键技术是面向对象的网络编程工具Java、数据库连接技术JDBC和Java提供的使用TCP/IP协议的Socket类。本系统具有跨越异构平台、易扩展等特点。
曲建华王化雨孟强
关键词:INTERNET旅游业
基于交通流的车辆路径选择优化方法被引量:4
2013年
针对交通流变化对车辆路径选择的影响,寻找在交通流变化情况下对出行路线进行规划的方法。采用粒子群算法与动态规划相结合的方法对路径进行优化,可得各车辆在交通流影响下的优秀路线。基于真实环境中的路网结构和交通数据进行模拟,结果表明,该方法可增加路径优化的真实性和动态性,而且道路交通流及车辆出行时间都对车辆路径选择产生重要影响。
于洪玲王洪国曲建华孟春华
关键词:交通流粒子群算法动态规划
增强学习在个性化信息过滤中的应用
本文主要讨论了个性化信息过滤中的增强学习算法,它通过观察用户的当前待业,对用户的反馈信息进行估算,以便跟踪学习用户的兴趣提高检索质量.
曲建华刘希玉
关键词:信息过滤
文献传递
基于群体智能的聚类分析
聚类是分析数据并从中发现有用信息的一种有效手段。聚类可以将对象数据分组成为若干个簇,使同一个簇中的对象之间的相似度较高,而不同簇中的对象之间差别很大。通过聚类,可以发现全局的分布模式以及数据属性之间有趣的相互关系。近几年...
曲建华
关键词:群体智能蚁群优化算法粒子群优化算法协同进化K-MEANS算法
文献传递
Web上的信息过滤问题研究
文本将介绍Web上的信息过滤的基本问题,包括:信息过滤的体系结构,过滤系统的特点及分类,检索和过滤的关系,过滤系统常用的模型以及过滤系统的性能评价指标等,从总体上对过滤问题进行一定的讲述,指出现存的信息过滤系统中存在的问...
曲建华
关键词:个性化模式智能AGENT神经网络向量空间模型
文献传递
基于对称点距离的蚂蚁聚类算法
2010年
针对待聚类的数据对象的对称性,提出了一种基于对称点距离的蚂蚁聚类算法.该算法不再采用Euclidean距离来计算类内对象的相似性,而是使用新的对称点距离来计算相似性.实验结果表明:与标准的蚂蚁聚类算法相比,该算法在处理带有对称性质的数据集时,可以更好的识别数据集的聚类数日和划分.
曲建华刘洋
关键词:蚂蚁算法聚类
改进的蚂蚁聚类算法
2010年
提出了一种改进的基于对称点距离的蚂蚁聚类算法。该算法不再采用Euclidean距离来计算类内对象的相似性,而是使用新的对称点距离来计算相似性,在处理带有对称性质的数据集时,可以有效地识别给定数据集的聚类数目和合适的划分。在该算法中,用人工蚂蚁代表数据对象,根据算法给定的聚类规则来寻找最合适的聚类划分。最后用本算法与标准的蚂蚁聚类算法分别对不同的数据集进行了聚类实验。实验结果证实了算法的有效性。
曲建华马英红
关键词:蚂蚁算法聚类
共1页<1>
聚类工具0