导读:本文包含了减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:船舶航向保持,自适应神经模糊推理系统,神经网络,减法聚类
减聚类论文文献综述
陈桂妹,苗保彬[1]（2019）在《基于减聚类-自适应神经模糊推理的船舶航向保持控制设计》一文中研究指出为解决船舶在非线性和不确定性条件下的常规航向保持控制参数难以确定和性能较差的问题,提出一种基于减法聚类和神经模糊推理系统(SC-ANFIS)的船舶航向保持控制设计。基于鲁棒PID控制,借助减法聚类算法的学习能力对输入样本进行聚类分析,优化模糊量化和模糊规则,继而用神经-模糊推理的方法解决船舶的不确定性问题和非线性控制问题;同时,为避免维数灾难等问题发生,采用多维隶属度函数设计一种可在线自调整的基于SC-ANFIS的航向保持控制系统,并设计仿真试验进行对比分析。仿真试验结果表明,在存在模型参数摄动和干扰的情况下,基于SC-ANFIS的航向保持控制系统可行、有效,能取得良好的控制效果。(本文来源于《船舶工程》期刊2019年04期）
衣治安,牟春苗[2]（2014）在《基于减聚类的遗传模糊的协同过滤算法研究》一文中研究指出通过对传统协同过滤算法中存在的问题以及解决情况进行分析,论文采用了一种混合减聚类的遗传模糊聚类的协同过滤推荐算法,利用混合减聚类的模糊聚类可以更有效地对数据进行柔性划分,更好地发挥遗传算法的全局搜索能力,加快收敛速度,同时也能够很好地解决数据稀疏性带来的冷启动问题。(本文来源于《计算机与数字工程》期刊2014年08期）
杨海波,华惊宇,刘半藤[3]（2012）在《基于减聚类优化算法的无线传感网络分簇路由协议研究》一文中研究指出无线传感网络是当前无线网络研究的热点领域,分簇路由协议作为降低网络能耗、提高网络生存时间的核心技术而备受关注。在深入分析已有算法存在诸多不足的基础上,本文提出了一种基于减聚类优化的分簇路由算法。本文首先建立一阶能耗模型,确定网络最优簇首数量;然后建立减聚类优化数学模型,确定可供选择的分簇方案;最后以最小化最大簇内距离方差作为评价指标,确定最优的分簇结果。仿真结果表明:相比经典的LEACH分簇路由协议,该算法划分的网络能够有效地降低网络能耗、提高网络生存时间,弥补已有算法的不足之处。(本文来源于《传感技术学报》期刊2012年11期）
王月,柴瑞敏[4]（2010）在《减聚类的模糊C-均值算法在文本分类中的应用》一文中研究指出首先,选择合适的文本集合,并且对文本进行分词处理,然后,进行文档内部特征词的提取,通过采用词频统计的方法对文本向量进行降维处理,从而选择最佳的特征向量。最后,将非数值的文本数据进行量化处理后,利用减聚类优化的模糊C-均值算法对文本集合进行聚类,从而提高文本聚类的效果。(本文来源于《计算机系统应用》期刊2010年03期）
贾润达,毛志忠,常玉清[5]（2010）在《基于PLS和减聚类的模糊逻辑系统设计及应用》一文中研究指出结合PLS和减聚类算法设计了一种新型的模糊逻辑系统混合训练算法。通过将全部样本数据作为模糊规则选入系统,并引入PLS作为训练算法,从而有效的抑制样本数据中的严重噪声;为了使训练后的系统结构得以简化,利用减聚类算法合并系统中相似的规则。还通过仿真验证了该方法相比于传统OLS训练算法的优点;并将其应用于湿法冶金萃取组分含量软测量建模中,得到了满意的效果。(本文来源于《系统仿真学报》期刊2010年02期）
沙焕滨[6]（2009）在《减聚类混合遗传算法在自动组卷问题中的应用》一文中研究指出本文针对传统遗传算法(GA)常常出现局部收敛和后期计算效率低的问题,提出了一种基于减聚类思想的混合遗传算法(HGAS)智能组卷算法。该算法运用精英保留、均匀交叉、高斯变异和减聚类算子,并引入了动态随机搜索方法,使得全局和局部搜索能力都得到加强,提高组卷性能。而且,仿真结果表明该算法更能有效解决自动组卷问题,具有较好的使用性能和实用性。(本文来源于《福建电脑》期刊2009年09期）
李超,赵佰亭,曾庆双[7]（2009）在《基于减聚类和T-S模糊神经网络的转台故障诊断系统》一文中研究指出在分析转台故障类型和机理的基础上,针对故障与征兆之间的复杂非线性映射关系,提出了一种基于减聚类的T-S型模糊神经网络故障诊断方案。首先建立了转台故障底事件与征兆信号的明确对应关系,并以清晰数值形式表述专家的诊断经验;然后在减聚类算法中引入权值的概念,获得简约规则表;接着利用抗噪声训练方法训练网络,使其能够克服一定幅值内的噪声干扰;最后利用含噪声数据和测试数据分别试验。试验结果表明:该方法能有效减少诊断规则的数目,准确地实现故障识别,对噪声的容错能力强,有很强的工程实用性。(本文来源于《中国惯性技术学报》期刊2009年03期）
何大阔,凌君,顾大为,王福利[8]（2009）在《基于减聚类的混合遗传算法》一文中研究指出遗传算法常作为全局优化工具用来解决连续和离散问题,但简单遗传算法容易出现收敛速度慢,早熟和解不稳定等情况。因此,本文提出了基于减聚类思想的混合遗传算法(HGAS),该算法运用精英保留、均匀交叉、高斯变异和减聚类算子,并引入了动态随机搜索方法,使得全局和局部搜索能力都得到加强。仿真结果表明,改进的混合遗传算法能有效避免早熟现象,在较短时间内达到或逼近全局最优点。(本文来源于《第叁届中国智能计算大会论文集》期刊2009-05-01）
杜欣慧,李小婧[9]（2008）在《减聚类在电力系统中长期负荷预测中的应用》一文中研究指出分析了电力系统中长期负荷特性以及RBF神经网络的非线性功能,引入一种减聚类算法来选取网络隐层节点中心,并将该方法在Matlab下进行了仿真。将预测结果与实际负荷值、灰色理论模型得到的结果进行对比分析,结果表明采用减聚类算法的RBF神经网络模型在隐层节点选择上更加精确,用其建立的模型具有较好的预测精度,具有一定的实用价值。(本文来源于《太原理工大学学报》期刊2008年S1期）
陈若珠,闫小喜,李战明[10]（2007）在《基于减聚类的T-S模糊控制器规则提取及优化方法》一文中研究指出提出了一种基于减聚类的T-S模糊控制器规则提取及优化方法。此方法分为3个阶段,第一阶段对经验数据施加减聚类算法以确定规则数目;第二阶段依据聚类中心规定输入变量高斯型隶属度函数;第叁阶段对经验数据应用递推最小二乘方法以确定规则后件系数。应用此方法得到的两规则T-S模糊控制器能够完成对倒立摆的控制,仿真结果验证了该方法的有效性。(本文来源于《2007年中国智能自动化会议论文集》期刊2007-08-01）
减聚类论文开题报告
（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：
通过对传统协同过滤算法中存在的问题以及解决情况进行分析,论文采用了一种混合减聚类的遗传模糊聚类的协同过滤推荐算法,利用混合减聚类的模糊聚类可以更有效地对数据进行柔性划分,更好地发挥遗传算法的全局搜索能力,加快收敛速度,同时也能够很好地解决数据稀疏性带来的冷启动问题。
（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。
减聚类论文参考文献
[1].陈桂妹,苗保彬.基于减聚类-自适应神经模糊推理的船舶航向保持控制设计[J].船舶工程.2019
[2].衣治安,牟春苗.基于减聚类的遗传模糊的协同过滤算法研究[J].计算机与数字工程.2014
[3].杨海波,华惊宇,刘半藤.基于减聚类优化算法的无线传感网络分簇路由协议研究[J].传感技术学报.2012
[4].王月,柴瑞敏.减聚类的模糊C-均值算法在文本分类中的应用[J].计算机系统应用.2010
[5].贾润达,毛志忠,常玉清.基于PLS和减聚类的模糊逻辑系统设计及应用[J].系统仿真学报.2010
[6].沙焕滨.减聚类混合遗传算法在自动组卷问题中的应用[J].福建电脑.2009
[7].李超,赵佰亭,曾庆双.基于减聚类和T-S模糊神经网络的转台故障诊断系统[J].中国惯性技术学报.2009
[8].何大阔,凌君,顾大为,王福利.基于减聚类的混合遗传算法[C].第叁届中国智能计算大会论文集.2009
[9].杜欣慧,李小婧.减聚类在电力系统中长期负荷预测中的应用[J].太原理工大学学报.2008
[10].陈若珠,闫小喜,李战明.基于减聚类的T-S模糊控制器规则提取及优化方法[C].2007年中国智能自动化会议论文集.2007
标签：船舶航向保持; 自适应神经模糊推理系统; 神经网络; 减法聚类;