论文研究 基于遗传算法的多维快速聚类算法研究.pdf

采用遗传算法来构造S盒，并引入了启发式变异策略。该策略既可以防止优良的基因受到破坏，又可以保证群体中个体的多样性。基于该方法，给出了6×6的S盒构造的完整程序描述，并获得了一批高非线性度和低差分均匀度

在基于DEM的地形表面重构中，传统的插值方法（B样条插值、双线形插值）获取的地形表面过于平滑，不能反映自然地形具有无限细节的事实。引入3维迭代函数系统（3D-IFS）插值方法来重构经随机简化的原始地形

为改善传统二维0tsu阈值分割算法处理图像时计算复杂度高、实时性差等缺点，将遗传算法应用到二维Otsu灰度图像阈值寻优中，并提出一种改进的自适应遗传算法。实验证明，新的算法对灰度图像有较好的分割效果，

将双线性反馈神经网络应用于盲均衡算法,提出了一种新的基于双线性反馈神经网络盲均衡算法,推导出算法迭代公式,计算机仿真表明,新算法具有较快的收敛速度和较小的误码率。

改进的基于遗传算法的粗糙聚类方法（论文）。

提出了一种基于空间单元单维运算的快速聚类算法SUSDC。该算法首先将被聚类的数据逐维划分成若干个不相交的空间单元;然后基于空间距离阈值判定相邻的空间单元是否合并，直到全部维处理完毕。实验结果验证了SU

山峰聚类既可以对数据集进行近似聚类，又可以为其他聚类方法提供聚类所需的初始聚类中心。减法聚类是山峰聚类的改进，它避免了山峰聚类中出现的计算量随样本维数增加呈指数增长的情况。但减法聚类对处理大样本集也力

一种基于密度栅格的快速聚类算法，檀亚峰，刘勇，针对已有网格算法和密度算法存在的效率和质量问题，给出了一种结合栅格和密度的聚类算法，即基于密度和栅格的聚类算法DGBCA(densitya

基于聚类算法可以对多个属性聚类的特点，提出一种基于快速求解高斯混合模型的聚类算法，用于研究网络流量的分类，使其达到更佳的聚类效果。通过与其他算法比较，讨论了该种方法在流量聚类中的适用性。仿真结果表明，

K均值聚类算法是目前一种较好的文本分类算法，算法中的相似度计算通常基于词频统计，小文档或简单句子由于词频过小，使用该算法聚类效果较差。为此，提出了一种基于词语关联度的相似度计算算法，对简单文档集执行