遗传聚类算法改进及其仿真

针对k-means算法与遗传聚类算法结合时,在其运行过程中算法易于早熟的现象,给出了一种改进的基于遗传进化的聚类算法,将k-means算法与遗传算法二者结合,并通过双种群混合方式构造初始种群,而两种群的不同来源于其各自个体构造方式的不同.适当设计遗传算子作用种群后,于进化群体中选择最优个体,以其对应各分量作为k-means算法的初始中心点,并由该个体执行k-means操作达到数据源的最终聚类之目的.仿真实验表明,该算法是一个有效的遗传聚类方法.     

基于质心和自适应指数惯性权重改进的粒子群算法

针对标准粒子群优化算法易出现早熟收敛及寻优精度低等缺陷,提出一种基于双质心和自适应指数惯性权重的改进粒子群算法（DCAEPSO）。算法使用粒子搜到的最优解和当前解构造加权的种群质心和最优个体质心,结合使用自适应指数惯性权重调整了速度更新公式。通过几个典型测试函数仿真及Friedman和Holm检验,实验结果显示DCAEPSO比其他粒子群算法寻优能力强。     

起重机变频器调试与维护中常见故障分析

简要介绍了变频器在起重机的应用过程中易出现的故障及相应原因，并针对具体原因提出了解决办法，对今后在起重机变频调速系统的调试和维护方面具有一定的借鉴意义。     

Matlab在蚁群聚类算法数据源产生中的应用

从蚁群聚类算法模拟实验出发,结合待聚类数据源应满足可分性、稳定性和可变性特点的需求,针对数据源的产生和存储问题,给出了一种以服从正态分布的随机向量组来模拟的方法.通过Matlab随机数的产生和数据库的存储与更新技术的阐述,使用不同分布特征下的向量组来抽象数据源的可分性、对向量组的存储及更改,使其满足稳定性和可变性的处理方式,达到了模拟蚁群聚类实验的目的,于.Net环境下用C#Windows应用程序加以实现.在LF算法对产生的随机向量组作用后,运行结果表明该方法产生的数据源是有效的.     

“计算机图形学”交互技术教学探讨

交互技术是实现用户和计算机之间数据交流不可缺少的环节,它为计算机图形学教学提供了技术支持。在此以直线段的绘制为例,将直线段绘制功能封装成CLine类的成员函数、坐标录入界面映射为CCanshuShezhiDialog类,通过菜单项点击事件的响应实现绘图功能,探讨了交互技术在计算机图形学教学中的应用,这为计算机图形学教学提供了参考。     

基于质心和自适应指数惯性权重改进的粒子群算法

针对粒子群优化(PSO)算法易出现早熟收敛及寻优精度低等问题,为提高粒子群优化算法寻优能力,提出了一种基于质心和自适应指数惯性权重改进的粒子群优化算法(CEPSO)。首先,使用各粒子的适应度计算权重系数;然后,分别使用各粒子当前位置和迄今为止最优位置构造了加权的种群质心和最优个体质心,使用平均粒距来度量群体状态,并依据群体状态设计了分段指数惯性权重;最后,结合使用分段指数惯性权重和双质心调整了粒子速度更新公式。仿真结果表明,CEPSO能增强寻优能力,并具有较强的稳定性。     

一种混合均值聚类算法的实现

从K-Means聚类算法和FCM算法混合运行的角度来探讨聚类问题,针对FCM算法初始化隶属度矩阵的随机性问题,提出了一种混合均值聚类算法。在混合算法运行过程中,利用前者的聚类结果信息来初始化后者的初始中心,依此来计算FCM算法初始隶属度矩阵,通过FCM算法的运行,最终实现数据集的聚类目的。实验结果表明该混合均值算法比单纯使用FCM算法效果好。