改进的全局K 均值算法及其在啤酒系统中的应用
DOI:
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Improved Global K-Means and Its Application in Beer System
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    K 均值算法存在的问题一直限制其发展,主要问题在于:簇个数的确定、初始聚类中心选择和避免孤立点的问题。针对这些问题进行了改进优化,并把改进后的算法和动态递归模糊神经网络结合一起应用到了啤酒发酵系统当中。神经网络结构复杂,而粒子群算法可以优化全连接网络结构下的各层之间的连接权值和优化网络的拓扑结构。改进的粒子群优化算法也很大程度解决了早熟收敛的问题,有很好的泛化能力,在实际应用中改进的粒子群优化算法原理更简单,参数更少,实现更容易。

    Abstract:

    K-means algorithm has been limited by the main questions which are the problems to determine the number of clusters, initial cluster center points of selection and to avoid isolating the problem. To solve these problems the algorithm has been improved in this paper and the paper has applied the improved algorithm and dynamic recurrent fuzzy neural network to the beer fermentation systems. Because of complex neural network structure, the particle swarm optimization algorithm can be used to optimize connected network structure of the connection weights between layers and the network topology. This PSO does not easily trapped local minima and has better generalization ability. At the same time, in practical application the principle of improved PSO algorithm is simple and has less parameter so that it’s easier to realize.

    参考文献
    相似文献
    引证文献
引用本文

张忠厚,赵龙.改进的全局K 均值算法及其在啤酒系统中的应用.计算机系统应用,2012,21(8):194-196,239

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2011-11-30
  • 最后修改日期:2012-01-07
  • 录用日期:
  • 在线发布日期:
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号