导读:本文包含了蚂蚁聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:移动机器人,SLAM,概率假设密度滤波,蚁群优化算法
蚂蚁聚类论文文献综述
蒋冬梅[1]（2018）在《用于SLAM算法的蚂蚁聚类概率假设密度滤波器》一文中研究指出针对传统的概率假设密度SLAM(PHD-SLAM)算法因粒子退化和耗尽导致估计精度低的问题,提出一种基于蚂蚁聚类的概率假设密度SLAM(ant-PHD-SLAM)算法。其主要的特点:用ant-PHD滤波器实现对地图特征状态和数目的估计,用移动蚂蚁估计器完成对机器人位姿的后验估计。与传统SLAM算法相比,新提出的SLAM算法用人工蚂蚁代替简单的粒子去实现对目标的估计,得益于蚂蚁强大的搜索机制,新算法的估计精度得到明显提高。通过仿真实验,将所提出的算法与传统PHD-SLAM算法进行比较,结果表明所提出算法有效提高了机器人定位估计精度和构图精度。(本文来源于《工业控制计算机》期刊2018年03期）
贾志娟,胡明生,刘思,洪流[2]（2012）在《一种用于历史疫灾分级的退火蚂蚁聚类方法》一文中研究指出针对历史疫灾记录量化程度低、社会关联性强的问题,提出了一种结合模拟退火和蚂蚁算法的历史疫灾分级方法。利用单只蚂蚁对疫灾数据进行自动聚类并通过模拟退火算法对聚类准则进行优化,以获得疫灾聚类的全局最优解。通过与其他聚类方法的性能对比,实验结果证明该方法具有较高的精确性和实用性。(本文来源于《计算机工程与应用》期刊2012年26期）
王克勤,贾建武[3]（2012）在《蚂蚁聚类算法在炮兵阵地选择中的应用》一文中研究指出针对炮兵阵地配置的特殊要求,将模糊数学中的隶属度概念引入到炮兵阵地聚类算法之中,具有较强的可操作性,利于计算机实现,对炮兵指挥决策有一定的参考价值.(本文来源于《数学的实践与认识》期刊2012年16期）
徐晓华,潘舟金,陆林,陈崚[4]（2012）在《约束蚂蚁聚类算法》一文中研究指出通过对真实世界蚁群的模拟仿真,提出一种基于随机游走的约束蚂蚁聚类算法来处理以must-link和can-not-link形式出现的约束聚类问题.在人工数据集和UCI标准数据集上的实验结果表明我们的算法优于无监督的蚁群聚类算法和COP-Kmeans算法.(本文来源于《微电子学与计算机》期刊2012年04期）
许智超[5]（2012）在《基于蚂蚁系统的基因表达数据聚类分析》一文中研究指出DNA微阵列是一个非常强大的工具，它是继基因组学和后基因组学又一个非常独特又非常有意义的技术，开创了一个探索生活、疾病以及药物发展的新纪元。目前对DNA微阵列研究的重点不再是如何从实验中获得基因表达数据，而是如何从大量的数据中挖掘有用的信息。聚类是一种有效的数据挖掘工具，已广泛应用到基因表达数据处理中，为生物学预测细胞循环周期、预测基因功能、发现致病的基因以及解释一些新的疾病类型等提供了依据。本文采用蚁群算法对DNA微阵列数据进行聚类分析，并用Fmeasure评价算法对聚类效果进行评价，Fmeasure值越大，说明聚类效果越好。首先，采用基于蚁穴清理行为的蚁群基本算法（LF）对DNA微阵列数据进行聚类，Fmeasure值较小，聚类效果一般，通过对算法迭代分析，算法很快失去了进化能力；其次，在基于信息熵的LF算法的启发下，提出了一个基于平均距离的LF算法，聚类效果也一般，通过对算法迭代分析发现，算法陷入了局部最优；最后采用K-means算法分别与基本LF算法和基于平均距离的LF算法进行结合，对基因表达数据进行聚类分析，取得非常好的聚类效果。(本文来源于《福建农林大学》期刊2012-04-01）
吴文俊[6]（2011）在《基于蚂蚁聚类的入侵检测方法研究》一文中研究指出相对于传统的安全保护措施而言，入侵检测系统是一种积极主动的安全防护技术，在网络系统受到危害之前发觉和响应入侵，有效的弥补了传统网络安全防护技术的缺陷，在信息安全保护体系中扮演重要角色，现已成为网络信息安全的一个重要的研究领域和发展方向。但由于网络流量数据十分庞大、更新快，导致攻击行为一般很难被直接、及时发现，为入侵检测增加了难度。数据挖掘技术的出现为解决这一问题提供了有效手段，尤其在从大量数据中提取特征与规则方面具有明显优势，在入侵检测系统中采用数据挖掘聚类分析来实现其检测的准确性与时效性成为可能。通过聚类分析与入侵检测技术相结合来增强入侵检测系统对海量数据的处理能力。在诸多聚类算法中，蚁群聚类算法是一种较新且较高效率的算法。具有自治性(聚类不再是根据所要求的对数据进行原始分割和分类门，而是通过蚁群搜索行为自然地形成)、灵活性等优点，且不必预先指定簇的数目，在入侵检测的应用中有着重要的研究价值。基于上述的研究背景，论文完成的主要工作归纳如下：1.研究了蚁群聚类的基本模型和LF算法，并分析算法的优缺点。2.针对蚂蚁聚类算法的参数设置较多，且依赖使用者的经验，人为因素影响较大，使得聚类算法缺少普适性，聚类的效果受到影响等不足，提出两种蚂蚁聚类改进方法。一种是基于BM模型的改进方法（LF），结合模拟退火算法思想，动态的调整适应参数，克服了相似度调整因子参数人为凭经验取值影响聚类质量及效果的不足。一种是基于AM模型的改进方法，结合一种自适应的蚂蚁聚类算法(adaptive ant clustering,简称AAC)，通过模拟退火算法思想动态的调整适应参数，改善聚类质量和效果，从而提高入侵检测应用对未知攻击的有效检测效率DR(detection rate)，减少误警率FR(false rate)。3.探讨了聚类算法在入侵检测中的应用。传统聚类的入侵检测方法只适合于发现球状类型的簇。在很多情况下，算法对噪音数据敏感等不足，还存在一些缺陷，即要求正常行为的数目远远大于入侵行为的数目，但在实际的入侵检测应用中有时无法满足。围绕入侵检测应用中存在的一些问题展开深入研究，构建出一种有效的蚁群聚类入侵检测模型（方法）。4.采用KDD CUP1999数据集中的数据对改进后的蚁群聚类构建入侵检测系统，对其效果进行了检测并与其他聚类算法进行对比，证明文中提出的入侵检测方法在准确性及对未知攻击的检测能力方面具有明显的优势。(本文来源于《南昌航空大学》期刊2011-06-01）
舒远仲,吴文俊,陈忠贵[7]（2011）在《改进的蚂蚁聚类入侵检测方法》一文中研究指出在现有的自适应蚂蚁聚类算法中,自适应参数的调整往往凭经验取值,从而影响聚类质量。针对该问题,提出一种利用快速模拟退火算法实现蚂蚁聚类自适应参数动态调整的改进方法。基于该算法构建的入侵检测系统无需预先指定簇的数目,也不要求满足正常行为的数目远大于入侵行为的数目等条件。对KDD CUP1999数据集的仿真实验结果表明,该算法可以得到较理想的聚类,对未知入侵有较好的检测效果。(本文来源于《计算机工程》期刊2011年06期）
马江涛[8]（2010）在《基于蚂蚁堆的遥感图像聚类研究》一文中研究指出遥感图像聚类是遥感图像处理领域的一个重要研究内容,也是遥感图像处理中的一个技术难点。蚁群算法的离散性和并行性特点对于处理背景复杂、目标特征多样的遥感图像具有良好的实用性。本文采用对具有不同特征的像素进行聚类的方法实施图像聚类,首先介绍了蚁群算法的基本原理并对蚁群聚类方式进行描述,然后对蚁群算法做出适当改进以实现图像分割。(本文来源于《电脑知识与技术》期刊2010年29期）
曲建华,马英红[9]（2010）在《改进的蚂蚁聚类算法》一文中研究指出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。(本文来源于《计算机应用研究》期刊2010年09期）
龚安,李长进[10]（2010）在《一种改进的基于蚂蚁化学识别系统的聚类算法》一文中研究指出AntClust是一种新的基于蚂蚁化学识别系统的聚类算法。但它在初始化参数、行为规则等方面存在不足。通过定义新的聚类中心、相似度计算方法、小巢删除规则以及修改行为规则,对其进行改进。实验结果表明,改进算法能有效的提高聚类质量。(本文来源于《微计算机应用》期刊2010年03期）
蚂蚁聚类论文开题报告
（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：
针对历史疫灾记录量化程度低、社会关联性强的问题,提出了一种结合模拟退火和蚂蚁算法的历史疫灾分级方法。利用单只蚂蚁对疫灾数据进行自动聚类并通过模拟退火算法对聚类准则进行优化,以获得疫灾聚类的全局最优解。通过与其他聚类方法的性能对比,实验结果证明该方法具有较高的精确性和实用性。
（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。
蚂蚁聚类论文参考文献
[1].蒋冬梅.用于SLAM算法的蚂蚁聚类概率假设密度滤波器[J].工业控制计算机.2018
[2].贾志娟,胡明生,刘思,洪流.一种用于历史疫灾分级的退火蚂蚁聚类方法[J].计算机工程与应用.2012
[3].王克勤,贾建武.蚂蚁聚类算法在炮兵阵地选择中的应用[J].数学的实践与认识.2012
[4].徐晓华,潘舟金,陆林,陈崚.约束蚂蚁聚类算法[J].微电子学与计算机.2012
[5].许智超.基于蚂蚁系统的基因表达数据聚类分析[D].福建农林大学.2012
[6].吴文俊.基于蚂蚁聚类的入侵检测方法研究[D].南昌航空大学.2011
[7].舒远仲,吴文俊,陈忠贵.改进的蚂蚁聚类入侵检测方法[J].计算机工程.2011
[8].马江涛.基于蚂蚁堆的遥感图像聚类研究[J].电脑知识与技术.2010
[9].曲建华,马英红.改进的蚂蚁聚类算法[J].计算机应用研究.2010
[10].龚安,李长进.一种改进的基于蚂蚁化学识别系统的聚类算法[J].微计算机应用.2010