论文研究基于捕食被捕食粒子群优化的模糊聚类.pdf

蜜蜂捕食算法是一种受蜜蜂觅食行为启发的优化算法，可用于解决各种问题。该算法模拟蜜蜂种群寻找花蜜的过程，其中蜜蜂（搜索剂）通过探索和利用环境来搜索最佳解决方案。

选取最佳的收缩阈值是变换域收缩去噪的关键。针对Shearlet变换域图像收缩去噪的阈值选取问题，提出了基于粒子群优化的最佳阈值选取算法。建立了Shearlet变换域最佳阈值选取的广义交叉验证准则；以广

0-1背包问题是组合优化中经典的NP难题，在蚁群算法的基础上结合量子计算提出一种求解0-1背包问题的量子蚁群算法。算法采用量子比特表示信息素，用量子旋转门来更新信息素。大量数据实例的比较测试表明，算法

为了提高入侵检测系统(IDS)的告警质量,减少冗余报警,提出了一种基于混沌粒子群优化的IDS告警聚类算法。算法将混沌融入到粒子运动过程中,使粒子群在混沌与稳定之间交替运动,逐步向最优点靠近。该算法能够

针对粒子群算法应用于复杂函数优化时可能出现过早收敛于局部最优解的情况，提出了一种改进的算法。通过构造单个粒子的多个进化方向和类似于蚂蚁群算法信息素表的选择机制，保留了粒子的多种可能进化方向。提高了粒子

在RFID网络系统中，贴有标签的物品可能随机地布置着，针对如何有效地放置阅读器，使得阅读器可以读取多个标签信息同时减小冲突的问题，建立了RFID网络系统的优化模型，提出了一种混合粒子群算法来优化部署阅

针对基本粒子群优化算法对复杂函数优化时难以获得最优解的缺陷，提出了一种复形粒子群优化算法。该算法采用复形法来提高粒子的局部搜索能力，从而保证了算法能够跳出局部最优，获得全局最优解。实验结果表明，与文献

聚类分析是数据挖掘的重要技术之一，它能够通过无监督的学习过程发现隐藏的模式，具有独立发现知识的能力。对现有文献中基于粒子群优化算法的聚类分析技术作了全面的介绍，对几种主要的粒子群聚类算法的基本原理及其

为了更准确地描述有记忆效应的射频功放特性，提出了一种改进的简化粒子群优化（PSO）算法，并结合自适应模糊推理系统（ANFIS）建立模糊神经网络功放模型。改进的简化PSO算法仅保留粒子的位置项，加入了随

一种自适应的混沌粒子群算法优化XML数据聚类策略，刘波，杨路明，针对海量XML文档数据挖掘进行聚类划分效率低的不足,本文尝试对XML数据聚类方法进行优化。通过说明XML键及其聚类定义，结合混沌运动�