基于动态耦合类组织P系统的聚类算法研究及应用

发布时间：2021-08-24 22:00

　　近年来信息技术发展速度与数据更新速度加快,而数据来源复杂多样,数据量以前所未有的速度迅猛增长。为了从庞大的数据中,快速准确地获取有价值的信息,聚类分析作为一种重要的数据分析技术被广泛研究,但仍存在初始聚类中心选择敏感,数据分布对聚类结果影响较大,参数选择敏感,聚类结果稳定性差以及算法时间复杂度高等缺点。P系统是根据生物间的交流、反应抽象得到的计算模型,具有强大的计算能力,可与图灵机相媲美。将P系统与聚类算法相结合,可利用P系统自身具有的极大并行性,降低算法时间复杂度,但P系统存在普适性较差等缺点。本文对类组织P系统、模糊C均值聚类算法和谱聚类算法进行了研究,主要研究内容如下:1、介绍了研究背景与意义,分别介绍了近几年类组织P系统、模糊C均值聚类算法、谱聚类算法以及基于类组织P系统的聚类算法的国内外研究现状,然后对类组织P系统、模糊C均值聚类算法以及谱聚类算法的基本理论进行了阐述。2、对类组织P系统进行了改进,将耦合细胞和可进行分裂与溶解的细胞引入类组织P系统中,提出了动态耦合类组织P系统。该系统可实现聚类算法的迭代过程,提高了类组织P系统的普适性。3、提出了基于动态耦合类组织P系统的改... 

【文章来源】：山东师范大学山东省

【文章页数】：87 页

【学位级别】：硕士

【部分图文】：

四种聚类算法在BSBS500数据集上的彩色图

山东师范大学硕士学位论文64g-1g-2g-3g-4g-5h-1h-2h-3h-4h-5i-1i-2i-3i-4i-5j-1j-2j-3j-4j-5k-1k-2k-3k-4k-5m-1m-2m-3m-4m-5图5-2四种聚类算法在BSBS500数据集上的彩色图像分割（2类）（1）原图像（2）K-means聚类算法（3）FCM聚类算法（4）NFCM聚类算法（5）DFCM-DCTP聚类算法

山东师范大学硕士学位论文67A-1A-2A-3A-4A-5B-1B-2B-3B-4B-5C-1C-2C-3C-4C-5D-1D-2D-3D-4D-5E-1E-2E-3E-4E-5F-1F-2F-3F-4F-5图5-3四种聚类算法在真实数据集上的图像分割（1）原图像（2）K-means聚类算法（3）NJW聚类算法（4）PGKSC算法（5）NGSC-DCTP聚类算法

【参考文献】：
期刊论文
[1]Tissue P Systems with Cooperating Rules[J]. LIU Xiyu,ZHAO Yuzhen,SUN Wenxing.  Chinese Journal of Electronics. 2018(02)
[2]Time-Free Solution to 3-Coloring Problem Using Tissue P Systems[J]. NIU Yunyun,XIAO Jianhua,JIANG Yun.  Chinese Journal of Electronics. 2016(03)

博士论文
[1]求解计算困难问题的膜计算模型与算法研究[D]. 牛云云.华中科技大学 2012



本文编号：3360800