基于免疫算法的神经网络盲均衡算法的研究,李东,韩应征,人工免疫算法是根据生物体的免疫调节机制而抽象出来的一种仿生算法,具有较强的全局搜索能力,能较好地避开未成熟区域;人工神经
针对DBSCAN算法聚类参数敏感不易获取、参数固定无法适应密度不均匀数据等问题。提出了动态近邻的概念,即聚类参数随密度动态变化。设计了用于调整动态参数的近邻规模演化算法,即通过限制相对密度变化率,逐步
针对近邻传播(Affinity Propagation,AP)聚类算法存在运算复杂度高且未考虑数据点密度对聚类效果的影响的问题,提出一种改进的近邻传播聚类算法并应用于图像分割。首先,在度量数据点之间的
为了发现移动对象的迁徙轨迹和经停地,提出结合经停地检测算法和单链接聚类算法的方法。通过青海湖鸟类的历史位置信息验证该方法的准确性和有效性,并与应用于本领域的其他方法进行分析比较,如DBSCAN聚类算法
针对填补零的OFDM(ZP-OFDM)系统,提出了一种新的基于子空间的自适应半盲信道估计算法。该算法利用ZP-OFDM系统导频信息,给出精确的信道参数初始值。然后通过一种新的子空间跟踪以及功率方法,进
一篇关于人工免疫遗传学习算法的博士论文,对人类的免疫系统有详细的描述。
针对密度峰值聚类算法CFSFDP(clusteringbyfastsearchandfindofdensitypeaks)计算密度时人为判断截断距离和人工截取簇类中心的缺陷,提出了一种基于非参数核密度
针对传统的模糊C-均值算法对于非球形分布的数据聚类效果不理想且易受到噪声数据的影响,利用可能性C-均值算法具有良好的抗噪声性能,将混合核函数引入到该算法中,提出了一种基于混合核函数的可能性C-均值HK
传统的快速聚类算法大多基于模糊C均值算法(FuzzyC-means,FCM),而FCM对初始聚类中心敏感,对噪音数据敏感并且容易收敛到局部极小值,因而聚类准确率不高。可能性C-均值聚类较好地解决了FC
在传统的人工免疫网络基础上,将多智能体技术的典型策略融入到免疫网络的进化过程中。算法引入了邻域克隆选择,操作过程从局部到整体,能够更加全面地模拟免疫网络的自然进化模型;同时在免疫网络进化过程中增加了抗