您的位置: 专家智库 > >

朱文婷

作品数:3 被引量:1H指数:1
供职机构:延安大学数学与计算机科学学院更多>>
发文基金:陕西省高水平大学建设专项资金资助项目陕西省教育厅科研计划项目更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 3篇中文期刊文章

领域

  • 3篇自动化与计算...

主题

  • 1篇序列模式挖掘
  • 1篇序列模式挖掘...
  • 1篇数据结构
  • 1篇群算法
  • 1篇子群
  • 1篇自适
  • 1篇自适应
  • 1篇粒子群
  • 1篇粒子群算法
  • 1篇模式挖掘算法
  • 1篇聚类
  • 1篇聚类算法
  • 1篇混沌
  • 1篇混沌粒子群
  • 1篇混沌粒子群算...
  • 1篇惯性权重
  • 1篇AINET
  • 1篇K-MEAN...
  • 1篇K-MEAN...
  • 1篇N

机构

  • 3篇延安大学

作者

  • 3篇袁倩
  • 3篇朱文婷
  • 2篇刘彦保
  • 1篇郝继升

传媒

  • 2篇延安大学学报...
  • 1篇河南科学

年份

  • 3篇2015
3 条 记 录,以下是 1-3
排序方式:
基于惯性权重自适应改变的混沌粒子群算法被引量:1
2015年
粒子群算法是美国学者受鸟类觅食行为启发提出的一种群体优化算法,在迭代后期易早熟收敛.为此利用混沌运动的随机性、规律性和遍历性的特点对粒子群算法进行优化,提出了一种惯性权重自适应改变的混沌粒子群算法.在算法中对惯性权重进行调整加快算法前期收敛速度,而且加入了变异操作以帮助粒子后期跳出局部极小.最后用测试函数进行仿真实验,结果表明该算法收敛快,寻优能力强,寻优精度高.
郝继升朱文婷袁倩雷珍
关键词:粒子群混沌自适应
基于aiNet免疫网络模型的K-means聚类算法
2015年
提出了一种基于ai Net免疫网络模型的K-means聚类算法。该算法利用ai Net免疫网络模型中抗体-抗原之间的亲和力来计算聚类中心点,将数据分为若干子簇,之后再通过K-means聚类算法将这些子簇合并,得到最终的结果。该算法继承了免疫算法速度快,效率高的优点,同时也避免了K-means聚类算法容易陷入局部极小值的缺点,是一种高效的并行搜索算法。
刘彦保雷珍袁倩朱文婷
关键词:K-MEANS聚类算法
基于时间索引的0-N数据结构在序列模式挖掘算法中的应用
2015年
在0-N数据结构的基础上结合时间索引,建立根据时间片段划分的序列数据块,通过对原始数据存储结构的改进达到减小扫描范围的目的,提高序列模式挖掘算法的效率。
刘彦保袁倩雷珍朱文婷
关键词:数据结构序列模式挖掘
共1页<1>
聚类工具0