本文選題：膜計(jì)算 + P系統(tǒng)　； 參考：《軟件學(xué)報(bào)》2015年05期

【摘要】：膜計(jì)算(也稱為P系統(tǒng)或膜系統(tǒng))是一種新穎的分布式、并行計(jì)算模型.為了處理數(shù)據(jù)聚類問(wèn)題,提出了一種采用混合進(jìn)化機(jī)制的膜聚類算法.它使用了一個(gè)由3個(gè)細(xì)胞組成的組織P系統(tǒng),為一個(gè)待聚類的數(shù)據(jù)集發(fā)現(xiàn)最優(yōu)的簇中心.其對(duì)象表示候選的簇中心,并且這3個(gè)細(xì)胞分別使用了3種不同的進(jìn)化機(jī)制:遺傳算子、速度-位移模型和差分進(jìn)化機(jī)制.然而,所使用的速度-位移模型和差分進(jìn)化機(jī)制是結(jié)合了這個(gè)特殊膜結(jié)構(gòu)和轉(zhuǎn)運(yùn)機(jī)制所提出的改進(jìn)版本.這種混合進(jìn)化機(jī)制能夠增強(qiáng)系統(tǒng)中對(duì)象的多樣性和改善收斂性能.在混合進(jìn)化機(jī)制和轉(zhuǎn)運(yùn)機(jī)制控制下,這種膜聚類算法能夠確定一個(gè)數(shù)據(jù)集的良好劃分.所提出的膜聚類算法在3個(gè)人工數(shù)據(jù)集和5個(gè)真實(shí)數(shù)據(jù)集上被評(píng)估,并與k-means和幾種進(jìn)化聚類算法進(jìn)行比較.統(tǒng)計(jì)顯著性測(cè)試建立了所提出的膜聚類算法的優(yōu)勢(shì).
[Abstract]:Membrane computing (also called P system or membrane system) is a novel distributed parallel computing model.In order to deal with the problem of data clustering, a membrane clustering algorithm based on hybrid evolutionary mechanism is proposed.It uses a tissue P system consisting of three cells to find the optimal cluster center for a data set to be clustered.The objects represent the candidate cluster centers, and the three cells use three different evolutionary mechanisms: genetic operator, velocity-displacement model and differential evolution mechanism.However, the velocity-displacement model and the differential evolution mechanism are proposed to combine this particular membrane structure with the transport mechanism.This hybrid evolutionary mechanism can enhance the diversity of objects in the system and improve the convergence performance.Under the control of hybrid evolutionary mechanism and transport mechanism, this membrane clustering algorithm can determine the good partition of a dataset.The proposed membrane clustering algorithm is evaluated on three artificial data sets and five real data sets, and compared with k-means and several evolutionary clustering algorithms.Statistical significance test established the advantages of the proposed membrane clustering algorithm.
【作者單位】： 西華大學(xué)無(wú)線電管理技術(shù)研究中心;西華大學(xué)電氣信息學(xué)院;Research
【基金】：國(guó)家自然科學(xué)基金(61170030) 教育部春暉計(jì)劃(Z2012031) 四川省科技支撐計(jì)劃(2013GZX0155)
【分類號(hào)】：TP38;TP311.13

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 郭通;蘭巨龍;李玉峰;江逸茗;;基于量子自適應(yīng)粒子群優(yōu)化徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)流量預(yù)測(cè)[J];電子與信息學(xué)報(bào);2013年09期

2 胡靜;曹治國(guó);;“模式識(shí)別”課程的國(guó)際化教學(xué)設(shè)計(jì)[J];電氣電子教學(xué)學(xué)報(bào);2013年04期

3 成寶芝;趙春暉;;基于粒子群優(yōu)化聚類的高光譜圖像異常目標(biāo)檢測(cè)[J];光電子.激光;2013年10期

4 肖卓磊;;基于k-means優(yōu)化算法的入侵檢測(cè)系統(tǒng)[J];阜陽(yáng)師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2013年04期

5 曹永春;邵亞斌;田雙亮;蔡正琦;;一種基于免疫遺傳算法的聚類方法[J];廣西師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年03期

6 翟東海;聶洪玉;崔靜靜;杜佳;;基于自適應(yīng)簇中心選擇的文本聚類算法研究[J];成都信息工程學(xué)院學(xué)報(bào);2013年06期

7 郭富強(qiáng);;基于LVQ網(wǎng)絡(luò)的心臟病智能診斷模型[J];電子設(shè)計(jì)工程;2014年07期

8 李若翩;阮雅端;陳啟美;;基于位置上下文的ITS服務(wù)推薦應(yīng)用[J];電子測(cè)量技術(shù);2014年06期

9 蔣盛益;王連喜;;聚類分析研究的挑戰(zhàn)性問(wèn)題[J];廣東工業(yè)大學(xué)學(xué)報(bào);2014年03期

10 宋天勇;趙輝;李萬(wàn)龍;王璐;田世元;;引入自檢策略的進(jìn)化K-means算法[J];東北師大學(xué)報(bào)(自然科學(xué)版);2014年03期

相關(guān)會(huì)議論文 前4條

1 張勇;彭怡;李君;石勇;;基于多目標(biāo)決策的聚類算法有效性評(píng)價(jià)[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 Zhenfeng He;;Constrained Silhouette Based Evolutionary K-Means[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第二分冊(cè)）[C];2013年

3 Lichao Mou;Xiaoying Pan;;Union Coding Based Immune Clone Selection Unsupervised Clustering Algorithm[A];2012年計(jì)算機(jī)應(yīng)用與系統(tǒng)建模國(guó)際會(huì)議論文集[C];2012年

4 周紅;張建華;;基于差分進(jìn)化優(yōu)化的高斯混合模型在說(shuō)話人識(shí)別中的應(yīng)用[A];第26屆中國(guó)控制與決策會(huì)議論文集[C];2014年

相關(guān)博士學(xué)位論文 前10條

1 曲建華;基于群體智能的聚類分析[D];山東師范大學(xué);2010年

2 呂宗磊;對(duì)聚類及聚類評(píng)價(jià)若干問(wèn)題的研究[D];南京航空航天大學(xué);2009年

3 劉榮輝;多階段自適應(yīng)差分進(jìn)化算法及應(yīng)用研究[D];東華大學(xué);2012年

4 陳新國(guó);數(shù)字系統(tǒng)微弱泄漏電磁波信號(hào)檢測(cè)方法研究[D];華中科技大學(xué);2012年

5 龔文引;差分演化算法的改進(jìn)及其在聚類分析中的應(yīng)用研究[D];中國(guó)地質(zhì)大學(xué);2010年

6 劉洪波;基于人—車—環(huán)境識(shí)別的自適應(yīng)檔位決策方法研究[D];吉林大學(xué);2012年

7 廖力;洪災(zāi)多級(jí)模糊綜合評(píng)估方法研究及實(shí)現(xiàn)[D];華中科技大學(xué);2013年

8 馮仁濤;中國(guó)區(qū)域技術(shù)專業(yè)化模式與程度研究[D];華中科技大學(xué);2013年

9 支曉斌;自適應(yīng)判別降維模糊聚類算法研究[D];西安電子科技大學(xué);2013年

10 王縱虎;聚類分析優(yōu)化關(guān)鍵技術(shù)研究[D];西安電子科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 牛玲玲;一種層次聚類的簇確認(rèn)方法研究[D];鄭州大學(xué);2010年

2 李瑩;聚類結(jié)果評(píng)價(jià)方法與聚類知識(shí)提取技術(shù)的研究[D];南京航空航天大學(xué);2008年

3 李力沛;面向WEB個(gè)性化服務(wù)的用戶建模技術(shù)[D];重慶大學(xué);2009年

4 黃倩倩;模糊概念格的聚類約簡(jiǎn)方法研究[D];大連海事大學(xué);2012年

5 臧運(yùn)慧;基于微粒群優(yōu)化的自動(dòng)聚類算法及應(yīng)用研究[D];大連理工大學(xué);2012年

6 王海波;基于有效性的聚類集成研究及其在機(jī)場(chǎng)噪聲評(píng)價(jià)中的應(yīng)用[D];南京航空航天大學(xué);2012年

7 韋來(lái)志;基于網(wǎng)格的聚類PSE及調(diào)度研究[D];揚(yáng)州大學(xué);2011年

8 盧希;基于改進(jìn)粒子群算法的聚類分析研究[D];重慶師范大學(xué);2012年

9 黃海琦;基于多模態(tài)策略的網(wǎng)絡(luò)視頻聚類方法研究[D];北京郵電大學(xué);2013年

10 彭皎龍;改進(jìn)蟻群聚類算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)控制研究及其應(yīng)用[D];鄭州大學(xué);2013年

，

本文編號(hào)：1744569