导读:本文包含了障碍约束聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:空间聚类,障碍约束,分类,障碍距离
障碍约束聚类论文文献综述
余冬梅[1]（2015）在《基于障碍约束的空间聚类算法综述》一文中研究指出传统的空间聚类算法解决的是未带障碍约束的空间数据聚类问题,而现实的地理空间中经常会存在河流、山脉等阻碍物,因此,传统空间聚类算法不适用于带障碍数据约束的现实空间.在解析了带障碍空间聚类相关概念和定义的前提下,对带障碍约束条件的空间聚类算法进行梳理,给出了这类算法的研究历史和沿袭关系,并把这类算法按七个维度分为四大类,分析了每类的技术优缺点,最后给出了带障碍约束的空间聚类算法的未来研究趋向.(本文来源于《计算机系统应用》期刊2015年01期）
马程,郭有强,李妍,姚保峰[2]（2014）在《一种新的带障碍约束的混合模糊聚类》一文中研究指出为解决二维平面上存在障碍约束的聚类问题,在量子粒子群聚类算法的基础上,提出一种新的带障碍约束的模糊聚类算法,该算法引入隶属度的概念,提出了粒子逃逸原则以避免聚类中心点陷入障碍物中,采用绕过障碍物距离的新定义函数extdistance(),重新定义数据点绕过障碍的聚类目标函数,替代了模糊C-均值算法的基于梯度下降的迭代过程,在很大程度上克服了FCM算法易陷入局部极小值和对初值敏感的缺陷。(本文来源于《蚌埠学院学报》期刊2014年02期）
马程,陈杰[3]（2012）在《障碍约束下的空间聚类算法分析》一文中研究指出障碍约束下的空间聚类是空间数据挖掘研究领域中一个重要的研究课题。论文研究了障碍约束的处理方法,引入粒子逃逸原则以避免聚类中心点陷入障碍物中,提出一种基于量子粒子群的绕过障碍物的空间聚类算法(QCOD),通过实验对比分析,该算法不仅有效地克服了划分聚类算法极易陷入局部极小值和对初始值敏感的问题,而且聚类结果比带障碍的k-中心点算法更符合实际情况。(本文来源于《宜春学院学报》期刊2012年12期）
石岩,刘启亮,邓敏,王佳璆[4]（2012）在《一种顾及障碍约束的空间聚类方法》一文中研究指出为了使得空间聚类分析更加适应实际情况,发展了一种同时顾及空间障碍约束与空间位置邻近的空间聚类方法。该方法采用Delaunay叁角网描述实体间的邻近关系,并且不依赖用户指定参数。实验验证了本方法的有效性与优越性。(本文来源于《武汉大学学报(信息科学版)》期刊2012年01期）
马程,杨诗琴[5]（2010）在《基于量子粒子群的带障碍约束的空间聚类》一文中研究指出空间聚类是空间数据挖掘研究领域中一个重要的研究课题,而传统的空间聚类方法往往忽略障碍对聚类结果的影响。本文在量子粒子群算法的基础上,研究了障碍约束的处理方法,并提出一种基于量子粒子群的带障碍约束的空间聚类算法,实验结果表明,该算法不仅有效地克服了聚类算法极易陷入局部极小值和对初始值敏感的问题,而且聚类结果比忽略障碍的量子粒子群算法更符合实际情况。(本文来源于《安庆师范学院学报(自然科学版)》期刊2010年03期）
张雪萍,王家耀,范中山,邓高峰[6]（2009）在《粒子群K-Medoids带障碍约束空间聚类分析研究》一文中研究指出空间聚类分析是空间数据挖掘研究领域中的一个重要研究课题.传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性.本文在分析粒子群优化算法和划分算法的基础上,研究一种基于粒子群和划分相结合的带障碍约束空间聚类分析方法,设计了一个粒子群K-Medoids带障碍约束空间聚类分析算法.对比实验表明,该方法不仅兼顾了局部收敛和全局收敛性能,又充分考虑到了现实障碍物对聚类结果的影响,使得聚类结果更具实际意义.与遗传K-Medoids带障碍约束空间聚类分析相比,该方法具有更好的可伸缩性,且所需输入的参数相对较少,更适合于对聚类速度要求较高的动态约束条件场合.(本文来源于《小型微型计算机系统》期刊2009年10期）
王小乐,刘青宝,陆昌辉,陈文凯[7]（2009）在《一种处理障碍约束的聚类算法》一文中研究指出根据障碍约束空间聚类问题的特点,利用图论的相关知识,提出了一种分阶段的基于图的聚类的算法。首先,通过最小生成树聚类算法,在不考虑障碍约束的情况下对空间对象进行聚类;然后,引入障碍物对上一步的聚类结果进行分割;最后,根据被障碍物分割后形成的各个类之间的障碍距离,将距离较近的两个类合并,形成最终的聚类结果。最后通过实验验证了算法的效果,而且输入参数少,时间复杂度低。(本文来源于《计算机应用》期刊2009年02期）
孔娟,徐夫田,薛庆峰[8]（2008）在《基于数学形态学的带障碍约束的空间聚类算法研究》一文中研究指出该文提出了一种基于数学形态学的带障碍约束的聚类算法。通过数学形态学的膨胀运算,进行连通区域的寻找,同时借助于进行膨胀运算的结构元素,确定障碍物与连通区域是否相交。算法与DBCluC算法不同的是:通过结构元素,大大减少了需要进行相交判断的点的数量,具有较高的时间效率。(本文来源于《电脑知识与技术》期刊2008年36期）
李晓晴,焦素敏,张雪萍,朱淑琴,杜振芳[9]（2007）在《基于粒子群优化的带障碍约束空间聚类分析》一文中研究指出聚类分析是空间数据挖掘的主要方法之一。传统聚类算法忽略了真实世界中许多约束条件的存在,而约束条件的存在会影响聚类结果的合理性。在分析K中心聚类方法易陷入局部极小值和对初始值敏感的基础上,提出了一种新的聚类方法——基于粒子群优化的带障碍约束空间聚类方法。实验结果表明,该聚类方法不仅使得聚类结果更具实际意义,而且在全局寻优能力方面明显优于K中心聚类方法,且有较快的收敛速度。(本文来源于《计算机工程与设计》期刊2007年24期）
杨杨,孙志伟,赵政[10]（2007）在《一种处理障碍约束的基于密度的空间聚类算法》一文中研究指出在现有的基于障碍约束的空间聚类算法COD_CLARANS、DBCLuC、AUTOCLUST+和DBRS+的基础上,提出了一种新的基于密度的空间聚类算法——基于障碍距离的密度聚类算法(DBCOD)。该算法在DBCLuC算法的基础上,采用障碍距离代替欧几里得距离作为相异度的度量标准,并在预处理过程中用障碍多边形合并化简方法来提高障碍物的处理效率。仿真实验结果表明,DBCOD算法不仅具有密度聚类算法的优点,而且聚类结果比传统基于障碍约束的密度聚类算法更合理、更加符合实际情况。(本文来源于《计算机应用》期刊2007年07期）
障碍约束聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决二维平面上存在障碍约束的聚类问题,在量子粒子群聚类算法的基础上,提出一种新的带障碍约束的模糊聚类算法,该算法引入隶属度的概念,提出了粒子逃逸原则以避免聚类中心点陷入障碍物中,采用绕过障碍物距离的新定义函数extdistance(),重新定义数据点绕过障碍的聚类目标函数,替代了模糊C-均值算法的基于梯度下降的迭代过程,在很大程度上克服了FCM算法易陷入局部极小值和对初值敏感的缺陷。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
障碍约束聚类论文参考文献
[1].余冬梅.基于障碍约束的空间聚类算法综述[J].计算机系统应用.2015
[2].马程,郭有强,李妍,姚保峰.一种新的带障碍约束的混合模糊聚类[J].蚌埠学院学报.2014
[3].马程,陈杰.障碍约束下的空间聚类算法分析[J].宜春学院学报.2012
[4].石岩,刘启亮,邓敏,王佳璆.一种顾及障碍约束的空间聚类方法[J].武汉大学学报(信息科学版).2012
[5].马程,杨诗琴.基于量子粒子群的带障碍约束的空间聚类[J].安庆师范学院学报(自然科学版).2010
[6].张雪萍,王家耀,范中山,邓高峰.粒子群K-Medoids带障碍约束空间聚类分析研究[J].小型微型计算机系统.2009
[7].王小乐,刘青宝,陆昌辉,陈文凯.一种处理障碍约束的聚类算法[J].计算机应用.2009
[8].孔娟,徐夫田,薛庆峰.基于数学形态学的带障碍约束的空间聚类算法研究[J].电脑知识与技术.2008
[9].李晓晴,焦素敏,张雪萍,朱淑琴,杜振芳.基于粒子群优化的带障碍约束空间聚类分析[J].计算机工程与设计.2007
[10].杨杨,孙志伟,赵政.一种处理障碍约束的基于密度的空间聚类算法[J].计算机应用.2007