检索结果

Select

1. 距离修正的模糊C均值聚类算法

楼晓俊李隽颖刘海涛

计算机应用 2012, 32 (03): 646-648. DOI: 10.3724/SP.J.1087.2012.00646

摘要（1283）

PDF （446KB）（600）

经典的模糊C均值算法基于欧氏距离,存在等划分趋势的缺陷,分错率较高,只适用于球形结构的聚类。针对这一问题,利用数据的点密度信息,在数据点与聚类中心的距离度量中引入了调节因子,提出了一种基于密度的距离修正矩阵,并用其代替经典模糊C均值算法中的距离度量矩阵。通过人造数据集和UCI数据集的两组聚类实验,证实了改进算法对非球形结构的数据同样适用,且相比经典的模糊C均值算法具有更高的聚类准确率。

参考文献 | 相关文章 | 多维度评价

Select

2. P级文件系统搜索概述

张妤芝刘海涛

计算机应用 2010, 30 (3): 813-817.

摘要（1192）

PDF （860KB）（1087）

当文件系统规模达到P级时，管理和查找这数以百万甚至千万计的文件将会变得越来越困难，高效的文件系统搜索成为必不可少的工具。综述了P级文件系统搜索的总体研究情况,包括面临的挑战，P级文件系统搜索中的关键问题，介绍了一些P级文件系统搜索研究项目及其所用到的索引技术,特别指出了它们的局限性。最后，结合当前搜索技术的发展,指出了P级文件系统搜索面临的一些新的发展方向。

相关文章 | 多维度评价

Select

3. 一种求解TSP的混合遗传蚁群算法

徐金荣李允刘海涛刘攀

计算机应用

摘要（2457）

PDF （704KB）（3160）

结合遗传算法和蚁群算法，提出了一种求解TSP的基于启发式遗传信息的蚁群遗传算法。该算法由蚁群遗传算法和基于启发式遗传信息的蚁群算法两部分组成。蚁群遗传算法将蚁群算法和遗传算法结合起来，提高了遗传算法的种群的多样性；基于启发式遗传信息的蚁群算法是将启发式遗传信息加入到蚁群算法中，防止蚁群算法对信息素过分依赖，缩小最优解的搜索空间。HGIACGA算法是将启发式遗传信息加入到蚁群遗传算法中，可以提高蚁群算法的收敛速度和寻优能力。实验结果表明，HGIACGA算法在收敛速度和收敛精度上均优于ACGA和ACA算法。