导读:本文包含了均值模糊遗传算法论文开题报告文献综述及选题提纲参考文献，主要关键词:无线传感器网络,模糊C均值聚类,遗传算法,均匀分簇
均值模糊遗传算法论文文献综述
董发志,丁洪伟,杨志军,熊成彪,张颖婕[1]（2019）在《基于遗传算法和模糊C均值聚类的WSN分簇路由算法》一文中研究指出针对无线传感器网络(WSN)的节点能量有限、生命周期短、吞吐量低等问题,提出一种基于遗传算法(GA)和模糊C均值(FCM)聚类的WSN分簇路由算法GAFCMCR,采取"集中分簇,分布簇头选举"的方式。网络初始化时基站采用由GA优化的FCM聚类算法形成网络分簇。第一轮簇头由距簇中心最近的节点担任;从第二轮开始,簇头的选举由上一轮的簇头负责,选举过程综合考虑候选节点的剩余能量、与基站的距离、与簇内其他节点的平均距离叁个因子,并根据网络状态实时调整叁个因子的权重。在数据传输阶段,将轮询机制引入簇内通信。仿真结果表明,相同网络环境下,与LEACH算法和基于K-Means的均匀分簇路由(KUCR)算法相比,GAFCMCR将网络生命周期延长了105%和20%。GAFCMCR成簇效果良好,具有良好的能量均衡性和更高的吞吐量。(本文来源于《计算机应用》期刊2019年08期）
李鹏松,石卓,刘欣[2]（2018）在《基于免疫遗传算法的模糊C均值聚类算法应用研究》一文中研究指出应用硬聚类算法及模糊聚类算法解决数据分类问题时,在迭代过程中容易陷入局部极小.本文提出了一种基于免疫遗传算法的模糊C均值聚类算法,克服了现有算法的缺点.将本文算法应用于葡萄酒和鸢尾花数据集,得出结果说明其有效性.(本文来源于《东北电力大学学报》期刊2018年03期）
唐海亮,石磊[3]（2017）在《基于遗传算法的模糊C-均值聚类在电信用户行为上的研究》一文中研究指出电信用户行为分析,就是指在获得电信用户基本消费数据的情况下,对相关数据进行整理、统计和分析,从中发现用户消费的规律,并将这些规律与电信营销策略等相结合,从而发现目前营销活动中可能存在的问题,并为科学化决策、针对化营销和交叉销售方案的设计提供依据。基于目标函数的模糊C—均值聚类分析作为数据挖掘方法中处理数据的一种,是一种非常优秀的基于划分的模糊集理论分析算法。由于FCM聚类分析在处理数据时容易陷入局部最小值,而遗传算法具有全局寻优的能力。所以将遗传算法与FCM聚类分析相结合,并应用到电信用户行为分析当中,是非常合理的。本文将将遗传算法与FCM聚类分析相结合,并用MATLAB来分析算法的可行性。(本文来源于《信息技术与信息化》期刊2017年03期）
董倩[4]（2015）在《改进遗传算法优化模糊均值聚类中心的图像分割》一文中研究指出针对传统模糊均值聚类算法存在的问题,提出一种改进遗传算法优化模糊均值聚类中心的图像分割算法.首先在标准遗传算法的交叉操作中引入方向因子,使参与交叉的个体向最佳个体靠近,加快算法的收敛速度,并通过增强群体间的信息共享机制提高算法的全局搜索能力,避免了早熟收敛,改善了全局解的精度;然后采用改进遗传算法选择模糊均值聚类算法的初始聚类中心,实现图像分割;最后采用仿真实验测试算法性能.实验结果表明,相对于传统模糊均值聚类算法及其他图像分割算法,本文算法在分割正确率、分割速度及鲁棒性上均更优.(本文来源于《吉林大学学报(理学版)》期刊2015年04期）
吴迪,刘循[5]（2014）在《基于遗传算法思想的加权模糊C均值聚类分析》一文中研究指出模糊C均值主要考虑距离函数,即点与点之间的关系。在样本集中,不同样本点对于聚类的影响不同,加权模糊C均值通过对点本身加权来体现这一点。(加权)模糊C均值对初始中心敏感,且容易陷入局部最优;而遗传算法则是全局最优。所以,将二者的思想结合,利用遗传算法得到初始聚类中心,再用加权模糊C均值进行分类,可以得到更好的聚类效果。(本文来源于《现代计算机(专业版)》期刊2014年23期）
诸克军,李兰兰,郭海湘[6]（2011）在《一种融合遗传算法和粒子群算法的改进模糊C-均值算法》一文中研究指出针对模糊C-均值(FCM)算法必须预先给定聚类数c和容易陷入局部极小的缺点,提出了融合遗传算法和粒子群算法的GA-PSO-FCM算法。遗传算法(GA)嵌套在FCM算法的外层,用于自动寻找最优聚类数,并把有效性准则函数作为其适应度函数;粒子群(PSO)算法嵌套在FCM算法的内层,用于优化类中心向量,提高算法的全局搜索能力。最后,运用GA-PSO-FCM算法对Iris data、Wine data、Zoo data、WPBC data和WDBC data进行仿真实验,并与基于有效性准则函数改进的FCM算法、GA-FCM算法的仿真结果进行比较,表明GA-PSO-FCM算法能在预先未知聚类数的情况下,提高分类结果的精确性和稳定性。(本文来源于《系统管理学报》期刊2011年06期）
马林,赖惠成[7]（2011）在《基于模糊C-均值和自适应遗传算法的小波域彩色信息隐藏算法》一文中研究指出基于人类视觉系统的纹理掩蔽特性,提出一种基于模糊C-均值(FCM)和自适应遗传算法小波域彩色信息隐藏算法。首先对彩色载体图像Y分量实施整数小波变换;然后结合视觉纹理特性,对低频进行FCM聚类分析,将其分成3类:平滑区、纹理区、边缘区,并在不同的区域确定不同的嵌入强度和位置;最后,利用自适应遗传算法对logistic混沌映射的初值进行寻优,使其找到合适的初值,从而使秘密图像对载体图像的影响较小。实验结果表明:该方法不仅具有较好的透明性,而且在嵌入量方面也有很大的提高。(本文来源于《计算机应用与软件》期刊2011年09期）
刘守生,王忠,张露[8]（2011）在《基于遗传算法的直觉模糊C均值聚类算法》一文中研究指出针对一般直觉模糊C均值聚类算法在寻优过程中易陷入局部最优解的问题,利用遗传算法具备全局寻优的优点,提出了一种基于遗传算法的直觉模糊C均值聚类算法。在该算法中聚类中心为直觉模糊数,这使得遗传过程中个体信息变得复杂,进而增大了约束问题的处理难度。本文对产生的个体采用适时分段的归一化方法,很好地解决了该问题。仿真结果表明该算法所得聚类结果不仅准确而且更为细致。(本文来源于《科技导报》期刊2011年14期）
路彬彬,贾振红,何迪,杨杰,庞韶宁[9]（2010）在《基于新的遗传算法的模糊C均值聚类用于遥感图像分割》一文中研究指出标准FCM对噪声十分敏感,并且依赖于初始聚类中心选择,算法通常得到的是局部最优解而非全局最优解。针对此问题提出一种基于猴王遗传算法的改进的FCM算法.猴王遗传算法是一种新颖的全局优化搜索算法,具有高效的计算性能和优良的全局搜索能力。本文首次将猴王遗传算法(MKGA)与结合空间领域信息的FCM相结合,利用改进的FCM算法的目标函数建立适应度函数,利用猴王遗传算法搜索全局最优解,代替FCM的基于梯度下降的迭代过程,从而有效地避免了模糊C-均值聚类算法收敛到局部最优和对噪声敏感的问题。在此基础上实现了对遥感图像的聚类分割。实验结果表明,该算法对于遥感图像显示了较好的分割效果和较强的抗噪能力。(本文来源于《激光杂志》期刊2010年06期）
闫仁武,商好值[10]（2010）在《一种基于遗传算法的模糊C均值算法》一文中研究指出模糊C-均值聚类(FCM)对初始值很敏感,易于陷入局部极小点而不能搜索到全局的聚类中心,遗传算法是一种通过模拟自然进化过程的搜索最优解的方法。因此,将FCM算法引入遗传算法的进化中,代替原来的交叉操作。实验结果表明,新方法明显优于传统FCM算法。(本文来源于《科学技术与工程》期刊2010年28期）
均值模糊遗传算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
应用硬聚类算法及模糊聚类算法解决数据分类问题时,在迭代过程中容易陷入局部极小.本文提出了一种基于免疫遗传算法的模糊C均值聚类算法,克服了现有算法的缺点.将本文算法应用于葡萄酒和鸢尾花数据集,得出结果说明其有效性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
均值模糊遗传算法论文参考文献
[1].董发志,丁洪伟,杨志军,熊成彪,张颖婕.基于遗传算法和模糊C均值聚类的WSN分簇路由算法[J].计算机应用.2019
[2].李鹏松,石卓,刘欣.基于免疫遗传算法的模糊C均值聚类算法应用研究[J].东北电力大学学报.2018
[3].唐海亮,石磊.基于遗传算法的模糊C-均值聚类在电信用户行为上的研究[J].信息技术与信息化.2017
[4].董倩.改进遗传算法优化模糊均值聚类中心的图像分割[J].吉林大学学报(理学版).2015
[5].吴迪,刘循.基于遗传算法思想的加权模糊C均值聚类分析[J].现代计算机(专业版).2014
[6].诸克军,李兰兰,郭海湘.一种融合遗传算法和粒子群算法的改进模糊C-均值算法[J].系统管理学报.2011
[7].马林,赖惠成.基于模糊C-均值和自适应遗传算法的小波域彩色信息隐藏算法[J].计算机应用与软件.2011
[8].刘守生,王忠,张露.基于遗传算法的直觉模糊C均值聚类算法[J].科技导报.2011
[9].路彬彬,贾振红,何迪,杨杰,庞韶宁.基于新的遗传算法的模糊C均值聚类用于遥感图像分割[J].激光杂志.2010
[10].闫仁武,商好值.一种基于遗传算法的模糊C均值算法[J].科学技术与工程.2010