一、基于遗传算法的空间聚类分析（论文文献综述）
姜珍妮[1]（2021）在《基于耦合DNA-GA-P系统的聚类分析研究》文中研究指明依据生物体中细胞器和细胞膜的工作原理,P系统可按照极大并行模式运行,其计算能力等价于图灵机,当前已经被学者们用于处理数据挖掘问题。DNA遗传算法（DNA Genetic Algorithm,简称DNA-GA）模拟生物的遗传信息表达机制,该类信息表达过程同样发生在真核生物的细胞中,所以本文我们将P系统与DNA遗传算法进行有效耦合,既可以保留P系统的分布式并行计算能力又可以融合DNA遗传算法丰富的对象表达机制和基因级操作,可以扩展P系统计算模型的对象及规则表达方式,为现有的P系统提供新的动态演化模式,进一步拓宽P系统能处理的问题。在移动数据爆炸式增长的今天,传统的数据处理方式已经不能满足海量数据处理的需求,数据挖掘由此而生,其中聚类分析是数据挖掘领域的一项重要研究内容,作为一种可以处理数据并从数据中提取可用知识的有效手段,其重要性在模式挖掘、图像处理等领域得到广泛认可。但当前的聚类方法自身都存在一些不足之处,我们除了可以改进算法本身外,还可以借助其他优化方法对聚类方法做进一步优化。因此可以在聚类方法中结合新的优化算法,融入新的计算模型,以便进一步优化聚类效果。新方法和新模型的研究是数据挖掘领域的重要课题。本文的主要研究内容如下:（1）构建耦合DNA-GA-P系统基于P系统以及DNA遗传算法的生物学知识,构建新型的耦合DNA-GA-P系统。同时基于耦合DNA-GA-P系统,提出四种扩展的耦合DNA-GA-P系统,分别是:具有定向交流与概率进化规则的耦合DNA-GA类细胞P系统,具有膜分裂/膜溶解规则的耦合DNA-GA类组织P系统,基于链式拓扑结构的耦合DNAGA-P系统以及基于自组装思想的耦合DNA-GA种群P系统。并对提出的P系统进行了收敛性分析和系统分析。（2）对四种常用聚类算法进行改进,分别将四种耦合DNA-GA-P系统用于实现改进之后的聚类算法,具体有:a)提出了基于耦合DNA-GA类细胞P系统的模糊C均值聚类算法基于权重均值的距离计算方式被用于计算模糊C均值聚类算法（Fuzzy Cmeans clustering algorithm,简称FCM）的目标函数。新型的耦合DNA-GA类细胞P系统被用于实现聚类过程,利用耦合DNA-GA-P系统的全局搜索能力和跳出局部最优的能力进一步优化改进算法,使用了UCI数据集对改进的算法进行了性能验证。b)基于耦合DNA-GA类组织P系统的密度峰值聚类算法基于K近邻（K-Nearest Neighbor,简称KNN）和香农熵的计算方法被用于计算数据点的密度矩阵。耦合DNA-GA类组织P系统被用于实现聚类过程。新的类组织P系统能够在提高算法效率的同时还降低算法的复杂性。最终,在人工数据集和UCI数据集上分别进行了实验验证。c)基于耦合DNA-GA链式P系统的集成模糊K-modes算法基于直觉模糊集（Intuitionistic fuzzy set,IFS）和核技巧,均衡地解决模糊Kmodes算法所有属性问题,提高算法对噪声的鲁棒性。然后将改进之后的模糊Kmodes算法与另外两种K-modes算法作为基聚类算法,综合三个算法的各自优势,对模糊K-modes算法做一致性聚类。耦合DNA-GA链式P系统被用于实现提出的集成聚类算法,以防止聚类算法陷入局部最优,同时实现隐式并行的聚类过程。d)基于耦合DNA-GA种群P系统的多视图谱聚类算法提出一种新的基于KNN和图思想的自动加权多视图一致性聚类算法。一方面,在初始化数据表示矩阵（相似度矩阵）的过程中使用K近邻思想。另一方面,采用相似度矩阵而不是原始数据对象来学习一致性矩阵。相似度矩阵将在迭代过程中不断更新。然后,在一致性矩阵生成过程中,为了考虑不同视图的不同贡献,系统自动为各个视图生成权重,并在后期更新过程中同步更新每个视图的权重信息。最后,当一致图收敛时,对一致图执行谱聚类算法,并得到最终的多视图聚类结果。将这个多视图谱聚类过程按照具体规则要求在耦合DNA-GA的种群P系统中完成,系统的极大并行性可进一步提高算法的运行效率。（3）将提出的基于耦合DNA-GA-P类细胞P系统的模糊C均值聚类算法和基于耦合DNA-GA种群P系统的多视图谱聚类算法分别用于图像分割和文本聚类中。综上所述,本文主要提出了一种新型的耦合DNA-GA-P系统,并基于系统定义,结合P系统中的进化交流、膜分裂膜溶解、链式拓扑结构以及自组装思想的基本概念,扩展了四种耦合DNA-GA-P系统,同时分别将四种系统用于四种改进的聚类算法中,最后将其中两种基于耦合DNA-GA-P系统的聚类算法分别用于图像分割和文本聚类的实际应用中。
王聪[2]（2020）在《基于程序变异的测试用例自动生成方法研究与实现》文中认为变异测试是一种基于错误的软件测试技术,可以系统的模拟软件中的各种缺陷。变异测试有很多其他测试不具备的优点,主要有两方面:一方面,变异测试所构建的完整测试数据集能够明确的指出测试软件的缺陷所在;另一方面,变异测试的结果往往能作为数据集测试和评估测试的充分性的检验指标。虽然变异测试的优势很明显,但是变异测试需要高昂的计算成本这一致命缺点成为了制约它进一步发展的主要绊脚石。针对变异测试自动生成测试用例存在的计算成本高昂的问题,本文主要从测试用例数目减少、变异体约简和测试用例自动生成这三个方面进行了研究,开发了一款测试用例自动生成软件。具体研究内容和成果如下:（1）为了解决变异测试计算成本过高的缺陷,提出了将DBSCAN算法进行改进的变异体约简算法。首先将变异测试的用例生成过程进行简单化处理转换成遵循满足变异分支覆盖准则的用例生成,这一步使用的是基于弱变异测试准侧的测试用例生成思想,并使用二进制编码方式来减少无效的变异分支,用尽可能少的测试用例覆盖尽可能多的变异分支。然后提出在DBSCAN算法的基础之上将变异算子选择法和聚类分析法结合起来,变异算子的约简要遵从不影响变异得分的前提,经过实验对比,改进后的变异体约简算法相比较DBSCAN算法可以更加高效的实现变异体约简。（2）为了提高生成测试用例的效率,提出了一种对遗传算子的取值进行改进的遗传算法。首先,建立基于弱变异测试准则生成变异测试数据的数学模型;其次,为了更好的求解数学模型,解决遗传算法会出现的“早熟”现象,将遗传算子的值与种群平均适应度函数值相结合,使遗传算子进行动态取值,高效率的生成测试用例。对四组比较经典的程序进行实验,结果表明,相比较标准遗传算法而言,改进后的算法花费更少的时间,自动生成测试用例的效率更高。（3）在上述研究成果的基础上,设计并实现了一款生成测试用例的软件,该软件包含了导入源程序、生成变异分支和变异体、约简变异体以及生成测试用例等功能。本文提出的变异体约简算法有效降低了变异测试的计算成本,测试用例生成算法则有效提高了测试的效率和质量,这两种算法对于变异测试的发展具有重要的理论意义。
郝俊[3]（2020）在《城市轨道交通换乘影响区的共享单车设施布局配置研究》文中研究表明随着越来越多的城市开通运营轨道交通,如何解决末端出行需求的需求受到了广泛的关注。共享单车换乘衔接轨道交通的出行模式在一定程度上解决了“最后一公里”难题。然而,缺少合理有效布局规划的共享单车在城市中蔓延发展,换乘骑行寻车不便、车辆堆积、相关骑行设施缺乏等问题随之出现。为了进一步促进“轨道交通+共享单车”模式的发展,共享单车逐渐由扩张式发展步入无桩设施定点借还、精细化投放的新阶段。在此背景下,研究城市轨道交通换乘影响区共享单车设施的布局配置问题有利于把握“共享单车+轨道交通”组合出行模式的使用特性及关键问题,定量界定轨道站点换乘骑行的影响区,同时为轨道交通站点换乘影响区共享单车设施的选址布局、配车投入等方面提供相应的决策支持。首先,本文阐述了轨道交通站点共享单车的换乘骑行特征。以南京市为研究案例,通过数据清洗筛选获取换乘骑行订单数据,结合“借还次数”、“骑行时长”和“骑行距离”等指标进一步验证了共享单车在换乘衔接城市轨道交通站点“最后一公里”中承担的重要作用;另一方面,通过对高峰期间不同类别轨道交通站点共享单车的需求波动性、潮汐性进行分析,确定设施布局配置的关键时段及相关参数,并且通过高斯混合聚类分析将站点分类,进行差异化时空分析,为城市轨道交通站点的换乘影响区分析提供了重要指导。其次,本文分析了轨道交通站点的共享单车换乘影响区。通过地理信息平台的服务区分析模型,计算获取轨道交通站点换乘骑行的时空圈层,获取多源数据构建轨道站点换乘骑行指标体系,考虑交通、设施、用地等相关因素进行网络叠加分析,得到轨道交通站点换乘影响区时空范围,并结合城市道路和用地情况,对轨道交通站点的影响区进行了修正,总结提出了一套可通过量化指标进行时空范围分析的轨道交通站点换乘影响区划分方法。接着,在换乘影响区分析的基础上,本文提出了轨道交通换乘影响区共享单车设施布局配置流程。选取共享单车、步行、公交换乘轨道交通三种组合出行模式进行广义出行成本分析,建立了包含时间成本、费用成本的广义出行成本函数,作为支持换乘影响区共享单车设施布局配置的量化标准。选取换乘影响区内共享单车出行起点进行聚类分析,将聚类中心作为相应的设施备选点参考位置。使用误差平方和和服务半径指标验证聚类结果,初步预测设施备选点的数量、位置以及初始配车数量。基于设施备选点,建立双层优化共享单车设施布局配置模型,将提升换乘骑行量、降低广义出行成本、设施运营成本、保障设施服务水平作为目标,优化初次设施备选点方案。采用启发式算法求解,从共享单车设施的数量估算、选址研究、配车分配选择等多角度多方面进行了配置研究。最后,依据上述技术方法,本文分别选取了典型的轨道交通站点作为研究案例,详细探讨了共享单车设施的配置流程,选择模型参数进行敏感性分析,从多目标权重参数、组合出行方式转化、设施点配车上下限参数等角度进行方案对比评价。对共享单车设施的规划研究与优化调整具有一定的实践价值和启发意义。
田一辛[4]（2020）在《寒冷地区办公建筑性能优化设计研究》文中提出寒冷地区气候特征是日照充足和冬冷夏热的两极化。办公建筑使用者以伏案工作为主,室内人员密度和设备密度较大,为了维持室内光热环境的舒适度需消耗大量能源。办公建筑设计偏重于功能布局和外观设计,依赖主动系统满足舒适度需求,忽视建筑设计要素和自然环境对建筑性能的影响。为了解决建筑设计未充分响应气候环境、设计要素和建筑性能脱节、多项性能目标难权衡的问题,本研究提出基于mode FRONTIER整合Grasshopper/L+H的性能优化设计方法,自动搜索建筑形态、界面、空间要素和主动系统设定参数的最佳组合,实现寒冷地区办公建筑能耗和光热性能的同步优化。本研究的主要内容:1)分析寒冷地区气候特征、办公建筑能耗和光热性能现状,梳理影响建筑性能的设计要素和适宜的被动设计策略。分析既有性能优化设计方法,提出改进基于优化平台的性能优化设计方法。2)基于响应气候特征和利用建筑要素达到节能及兼顾光热性能的理念,建立寒冷地区办公建筑能耗和光热性能相关联的性能模型。3)以建筑形态、界面、空间要素和主动系统设定参数同为变量,以建筑能耗和光热性能为优化目标。针对多变量多目标的优化问题,采用析因试验方法设置试验方案和分析试验数据。4)研究适合寒冷地区办公建筑性能优化的多目标优化方法,包括优化算法、优化过程和分析优化结果。5)搭建基于多目标优化软件mode FRONTIER整合Grasshopper/L+H的办公建筑性能优化设计平台,并应用于寒冷地区某办公建筑案例,检验该平台的实用性和寻优效率。本研究的创新性结果:1)自然采光和自然通风有节能且不降低光热性能的潜力,建立能耗和光热性能相关联的性能模型。将光性能模型求得的利用自然采光的人工照明运行时间表、根据室内外温度计算的自然通风时间表用于能耗模拟,改进惯用的统一照明开关时间表和根据季节划分的自然通风时间表。相关性分析得出,建筑能耗与热环境不满意者百分数有强相关性,建筑能耗与有效天然采光照度有弱相关性。2)敏感度主效应得出,影响建筑性能的关键设计要素是窗墙比、长宽比、朝向、窗户热工性能、办公室进深和百叶倾角,并建议取值区间。敏感度交互效应得出,主动系统设计要素和窗墙比、窗热工性能、外墙传热系数、百叶倾角、办公室进深、朝向的交互作用,并提出主被动设计要素组合策略;朝向和窗墙比、窗SHGC、窗传热系数,窗墙比和长宽比、窗传热系数、外墙传热系数、进深、层高,百叶倾角和办公室进深、面宽的交互作用,并提出被动要素组合策略。进而,对节能标准提出建议。3)NSGA-Ⅱ算法适用于寒冷地区办公建筑性能优化,建议NSGA-Ⅱ算法的种群规模为变量数目的5倍,交叉率和突变概率采用默认值,优化代数根据建筑规模和优化目标设定。一步式优化的寻优效率最佳,其次是分步式,然后是聚类优化,最后是基于聚类再优化。对帕累托最优解做聚类分析,总结最优方案的设计要素值域分布特征。利用多标准决策自动对优化解排序,辅助设计师做设计决策。4)提出基于mode FRONTIER整合Grasshopper/L+H的办公建筑性能优化设计方法和平台,不但具有参数化设计、性能模拟及评价、多目标优化等功能,还增加析因试验方法、分析优化结果等功能,解决了既有性能优化方法交互操作复杂、缺失对优化结果分析、优化算法有限、最优解无法自动选择等问题。
张思维[5]（2020）在《模糊聚类在本科工程质量认证中的应用》文中研究说明本科工程质量认证对高校的教学课程改革和教学管理等工作都具有重要的指导意义,选取合适的评价方法对高校的本科工程质量认证工作起到事半功倍的作用。本科工程质量认证工作从教学水平和学生学习成果两个方面进行,因此本文从教师教学水平和学生学习成果两个方面进行数据分析。对高校质量水平进行评价时,通常会以到课率和学生成绩等为主,但是这些评价方法都难免有些片面,不能准确反映出教师的综合教学水平和学生各方面的能力。因此,本文将定量与定性方法结合使用,从各个方面研究分析模糊聚类在本科工程质量认证中的应用。模糊聚类方法（FCM）是数据挖掘技术中一项重要的分析方法,因为该方法原理简单、容易实现以及收敛速度快等特点,被广泛应用在各行各业。FCM算法的聚类个数是需要提前设定并且初始中心也是随机生成,一般会导致聚类结果过早收敛,最终聚类结果不是理想,因此本文将FCM聚类算法与遗传算法相结合,以达到FCM聚类算法最终收敛结果达到全局最优,最后将GA-FCM算法应用到本科工程质量认证中去。本文介绍了数据挖掘技术的相关理论,着重介绍了经典聚类算法和FCM聚类算法的原理及实现流程,分析经典聚类算法和模糊聚类算法的优缺点,为了使FCM聚类算法结果更优,选择使用遗传算法改善其缺陷,并且使用UCI机器学习库中的标准数据集进行实验和结果分析,证明其能够有效改善聚类结果。其次采用问卷调查的方法对教师水平进行评价分析,从基本能力、教学方法、教学内容、教学态度、教学效果这五个方面进行数据收集,使用python3中的第三方库pandas对样本数据进行数据清洗,采用基于遗传算法的FCM聚类算法对整理好的数据进行数据处理,并对其进行结果分析,从而为吉林建筑大学电气于计算机学院电气专业的老师提供改善教学工作的相关数据。最后,依托于《吉林建筑大学工程类专业平台》对学生的学习成果进行分析评价。将学生的各科成绩,根据每门课程在毕业要求中占的权重进行数据处理,并且采用了电气工程及其自动化专业的12条课堂目标标准准备数据,最后进行聚类和结果分析,这样可以指导教师在教学工作中针对不同特点的同学,选取恰当的教学方法,最大程度发挥学生的优势,补齐短板,最终使所有学生能达到毕业要求,成为强综合型工程技术人才以满足社会需求。
季旭[6]（2020）在《基于需求空间聚类的冷链配送选址与定价联合决策研究》文中研究说明改革开放以来,城市居民生活水平不断提升,人们越来越重视健康的饮食,使得城市居民对生鲜产品的需求不断增加。在此契机下,生鲜产品的同城配送行业随之迅猛发展起来,越来越多的企业意识到了其巨大的市场潜力,开始投资布局此行业。而随着我国城市化进程的推进,尤其是在我国土地与住房制度改革之后,城市居民的生鲜需求空间分异现象随着城市居民社会分层以及居住空间分异的情况而加深,呈现出了以社区为单位的空间分异新现象。城市社区居民的生鲜需求不仅空间分布广,而且需求层次不同,这使得城市冷链物流系统运作低效率与城市居民对冷链服务高要求的矛盾越来越显着。因此,对于城市冷链物流企业来说,想要立足于城市生鲜同城配送行业,提高客户满意度,提升市场竞争力,就需要做到从客户的角度出发进行企业管理决策。而城市冷链物流企业可以通过选择合适的冷链配送中心的地址,并且制定合理的生鲜产品价格策略,从而最大程度满足城市居民的生鲜需求,提升整个冷链物流系统的运作效率,增加冷链物流企业的利润。基于此,本文从城市冷链物流企业的角度,探究了基于需求空间聚类下的冷链配送选址与定价联合决策问题。具体来说,首先利用Bisecting K-means聚类算法对城市居民的生鲜需求进行空间聚类分析,作为冷链配送中心合理选址的前提依据,并在此基础上考虑生鲜产品定价决策对选址决策的影响。因此,本文建立了三种冷链配送选址与定价联合决策的模型,包括基础模型、非嵌套模型和嵌套模型,并且利用经典遗传算法来求解这三种决策模型。接着,本文以南京市作为研究实例,将南京市社区居民人口数据转换为生鲜产品的需求数据,验证提出的冷链配送选址与定价联合决策模型和相关算法的有效性,随后探究了城市居民社会分层因素与成本权重因素对冷链配送选址与定价联合决策的影响。分析结果表明:（1）考虑城市居民社会分层因素的分级模型会优于未考虑社会分层因素的基础模型,即城市冷链物流企业采用同时提供低等级生鲜产品与高等级生鲜产品的运营策略的会优于只提供低等级生鲜产品的策略;（2）在考虑城市居民社会分层因素的情况下,分级模型中的嵌套模型优于非嵌套模型,即城市冷链物流企业采用高等级冷链配送中心同时为高等级生鲜需求区和低等级生鲜需求区服务,而低等级冷链配送中心只为低等级生鲜需求区服务的运营策略会优于高等级冷链配送中心只为高等级生鲜需求区服务,低等级冷链配送中心只为低等级生鲜需求区服务的策略;（3）运输成本权重和损失成本权重的变化会影响冷链配送选址与定价决策,但其中损失成本权重的影响更大,即城市冷链物流企业在进行生鲜同城配送的过程中需要采取合理措施尽量减少运输路程,尤其是要避免生鲜产品的损坏,这对增加企业利润来说非常重要。
朵天林[7]（2020）在《居民地综合决策模型和方法研究》文中研究指明制图综合是地图制图绕不开的问题,制图学产生之时就有了综合问题,制图综合是制图学领域重要的、核心的研究主题。从人对地理环境认知结果到地图产生,是一个对客观事物和现象不断抽象和简化的过程,抽象和简化的过程中必然涉及化简和选优。实现制图综合的自动化、智能化是该领域不懈追求的目标,要使计算机“理解”高度依赖于抽象思维、视觉思维和灵感思维的制图综合规则绝非易事。这也是制图综合问题被称之为“世界性难题”、“最具挑战性问题”的关键原因,国内外学界长期以来对该问题给予了高度的关注。制图综合的过程,实质是决策的过程,制图综合中最常见、最关键的信息处理属于决策。本文把制图综合的问题放在“决策”的维度进行研究。从居民地选取原则、形状特征、化简原则中挖掘知识、构建决策模型、设计方法、提取特征、量化特征、开展实验,解决了居民地结构选取、街道网模式识别、居住区形状保持的部分难点问题。本文的主要贡献和创新工作如下:1.论述了决策分析在居民地综合中的关键作用。重点研究了居民地综合基本理论和决策分析基本理论。论述居民地综合涉及的关键问题属于决策问题,并提出决策分析在居民地综合中的关键作用。研究了决策理论及多属性决策理论发展概况,居民地综合决策的过程,主要决策方法。研究了基于信息熵的多属性决策方法,信息熵的原理和熵权法计算权重步骤。通过分析熵权法计算过程,得出了熵权法的重要性质。2.研究了基于知识的决策模型和方法。逻辑推理的关键在于丰富的领域知识,居民地综合中涉及大量的形象思维和灵感思维,这些问题用逻辑推理或算法解决难度较大,多准则（多属性）决策模型利用知识对空间中的每一个自然状态进行综合评价,“择优”选取,符合制图综合中处理模糊性问题的原则,使用多准则（多属性）决策模型解决问题具有明显的优势。本文研究为大量与形象思维和灵感思维相关的知识的运用提供了平台。充分发挥人的形象思维和灵感思维,挖掘居民地综合知识,设计综合决策模型,利用计算机高效的地图信息处理、地图图形处理能力,是人机融合模式的具体研究实践。3.研究了居民地结构选取中的决策问题及决策模型和方法。居民地选取研究的重点和难点问题在于结构选取,结构选取问题的实质是决策问题。决策过程中,要综合考虑居民地的层次关系、空间关系、拓扑关系,从而确定选取哪些居民地。本文充分考虑了居民地选取的一般原则和制图规范,运用基于信息熵的决策方法,结合系统聚类方法和Voronoi图空间分析方法,分别应用于点状居民地和面状居民地结构选取的决策问题,能有效克服现有方法的人工赋权和没有充分考虑制图规范现有明确规定的局限性,提高了居民地结构选取的科学性。4.研究了街道网结构模式识别中的决策问题及决策模型和方法。居民地综合的目标是既要保证地图的清晰度要求,又要客观反映原图居民地结构特征。街道网是居民地的骨架,决定了居民地的结构。因此,必须准确判断原图街道网的特征。街道网可以归类为格网状、放射状和不规则三种形状。其中,格网状的街道网是分布最为广泛,特征最为明显的类型之一。本文基于大量地图实测数据,统计分析了格网状街道网的特征,针对不同尺度的街道网,分别设计了决策模型。第一种是基于统计学的方法,即基于系统聚类和变异系数的街道网模式识别决策模型。第二种是基于机器学习的方法,即基于区域矩形度、直线率和矩形率的决策模型,运用了神经网络进行识别决策。就两种模型分别进行了实验验证,实验结果较理想。5.研究了居住区形状化简中的决策问题及决策模型和方法。本文围绕居住区形状化简中特征保持的难点问题,设计决策模型和方法,并进行实验验证。主要有三个方面:一是格网状居住区街道选取决策模型和方法。主要思路是提出长轴、短轴参考线,定量描述平行街道,尽可能保留平行街道线。二是有街道不规则状居住区街道选取决策模型和方法。该类居住区形状主要由较长的街道线和较大街道网眼决定。提出了“最大网眼周长属性”,即将其作为街道选取决策的重要指标,从而达到正确反映其贡献度的目的。三是无街道不规则状居住区建筑物选取决策模型和方法。该类居住区形状更加复杂,实际上也存在隐性的骨架线,即居住区的轮廓线,以轮廓为参照线,把离轮廓线的远近距离作为聚类参数,对建筑物进行聚类,从而区分了不同的层次,在各个层次内再按各建筑物质心欧氏距离进行二次聚类,各类内分别进行选取,达到了保留骨架和保持密度对比的目的,最终实现保持居住区形状的目标。
杨旭鹏[8]（2020）在《基于聚类分析的医学图像分割研究》文中研究指明医学图像分割是图像分割技术基于医学影像处理领域的重要应用,它是将医学图像中感兴趣区域信息提取出来的一种方法,是医学图像处理从图像采集到图像识别过程中至关重要的一步。医学图像分割方法从起初提出到现在一直被研究者给予高度的重视,基于大量图像信息和数学理论的分割方法已经被提出。在各类分割方法中,基于聚类分析的图像分割算法是将聚类理论恰当的应用于图像分割领域。对于图像分割问题,聚类方法的实质是依据像素间特征的相似度对像素点进行划分从而达到图像分割的目的。但是对于目前的聚类算法本身来说,其存在着许多的问题,严重影响了图像分割的计算效率和分割效果。近年来,随着机器学习算法的发展,基于聚类分析理论的医学图像分割研究已成为医学图像领域研究的热点。本文主要研究了医学图像分割技术中两种常用的聚类分析方法,首先研究了GMM（Gaussian mixture model）在医学图像分割技术中的应用,并对高斯混合模型中常用初始化方法和参数寻优算法进行了改进研究。其次基于传统的FCM模型提出了基于空间信息的遗传模糊聚类分割方法。最后基于MATLAB2018a平台将本文新建模型结合医学图像进行分割实验,从实验结果看,本文改进模型分割效果优于文中其他方法。本文主要研究工作如下:（1）通过理论分析、编程实现和实验比较,研究了如阈值法、区域法、边缘法、神经网络分割算法、图论算法、聚类分析的医学图像分割性能,并根据主客观评价综合分析,最终选择综合分析性能最优的聚类分析法作为进一步改进的分割算法。（2）由于高斯混合模型在进行图像分割时参.数求解困难和易于陷入局.部最优解,在分割过程中导致参数寻优的过程较为缓慢。为了高斯混合分割模型快速收敛,本文首先利用K-均聚类完成初始划分,并根据分类后像素值给出EM算法迭代的初始值,加快算法迭代到最优解,进而大大降低算法迭代次数,有效解决EM算法求解参数时随机选取初值点易导致GMM陷入局部最优解的问题,进而使分割区域完整,同时,在分割之前,利用各向异性滤波对图像预处理,实现去噪平滑的同时增强图像的细节。最终提出基于改进的高斯混合模型牙齿图像分割算法。（3）传统的模糊C-均值聚类算法在图像分割过程中忽略了图像的空间信息对图像分割性能的影响,导致图像分割精度不佳,容易受噪声的影响,提出了一种基于空间信息的遗传模糊聚类分割方法。该方法利用改进的遗传算法初始化聚类中心,提高了算法的分割效率,并结合空间信息改进FCM的隶属度函数,改善传统模糊聚类分割模型的抗噪声性能,同时,对比了相关改进算法对加噪数据聚类、加噪的人工合成图像、医学图像的分割实验效果,验证了本文方法在不同实验下可获得更好的分割效果。
吴凡[9]（2020）在《复杂数据信息的聚类方法研究》文中研究指明随着大数据时代的到来,数据的复杂性,规模不断增加,对聚类算法的要求也越来越高。本文针对复杂数据信息的聚类算法做了相关的研究,一种复杂数据是高维数据,由于“维度灾难”的影响,传统算法不能对它做有效处理,另一种复杂数据为障碍空间下的数据,因为障碍物的存在会导致传统聚类算法的失效,所以对它的处理也很重要。首先为了解决高维数据的聚类问题,本文在主成分分析算法（principal component analysis,PCA）的基础上,对其降维后会使后续聚类算法精确度下降的问题,提出了一种新的特征空间概念,通过特征空间与信息熵的结合构建了新的降维标准,提出了更加适用于高维数据聚类的降维算法（entropy-PCA,EN-PCA）,后针对降维后特征是原特征的线性组合而导致的可解释性变差以及输入不够灵活的问题,提出了基于岭回归的稀疏主成分算法（sparse principal component algorithm based on ridge regression,ESPCA）,最后在降维数据的基础上,针对遗传算法聚类收敛速度慢等问题,对遗传算法的初始化、选择、交叉、变异等操作进行改进,提出了新的聚类算法（genetic k-means algorithm++,GKA++）。其次针对障碍空间下的数据聚类问题,本文的首要目标是解决障碍空间聚类算法的精确度不足,以及很少研究者关注的障碍物动态变化的聚类问题,对此提出了障碍静止情况下的聚类算法（cluster algorithm under the condition of static obstacles,STA＿PI＿OBGRID）,其中包含了一系列定义和规则来增加聚类的精确性,后又提出了障碍增加情况下的聚类算法（cluster algorithm in the case of increased obstacles,DYN＿OBGRID＿ADD）、障碍减少情况下的聚类算法（cluster algorithm in the case of obstacle reduction,DYN＿OBGRID＿DE）和障碍移动情况下的聚类算法（cluster algorithm in the case of obstacle moving DYN＿OBGRID＿MV）,静态障碍聚类算法增加了聚类结果的精确性,动态障碍算法增加了对此问题的聚类算法的全面性。针对以上算法,实验从障碍物静止和障碍物数量变化或者位置变化方面创建数据,经验证后算法无论在准确性上还是在效率上均具有良好的表现。
吕楠[10]（2020）在《基于空间遗传理论的国际陆港规划方法优化研究》文中进行了进一步梳理国际陆港能够有效带动内陆经济发展,提高沿海港口物流运输能力和港口竞争力,对推动内陆物流行业发展具有至关重要的作用。国内陆港建设起步较晚,理论经验不足,与国外港口存在差距。因地域条件、经济水平不同,国内外未形成统一的设计理论,且缺乏相应的物流产业规范作为技术支持,综合导致国际陆港建设存在一定的自发性和盲目性。调查研究表明:国际陆港普遍存在选址不合理、规模预期不足、功能板块衔接不畅等问题,同时,国际陆港的规划方法仍不完善,相关理论缺乏系统性,无法对国际陆港建设进行科学的指导。因此,深入研究国际陆港规划理论,优化传统规划方法,建立完善的规划体系,对有序建设、合理运营国际陆港具有重要的理论意义和实际价值。空间遗传理论不依赖于特定问题,广泛用于多个研究领域,具有功能优化、组合优化的特点。研究将其与传统规划方法相结合,对国际陆港规划具有重要影响的选址、功能布局、指标体系方面开展研究,构建了基于空间遗传理论的多层次国际陆港规划方法体系。主要研究内容包括:（1）基于概率的国际陆港选址规划理论研究。基于贝叶斯网络分析了国际陆港选址规划影响因素,构建了贝叶斯网络结构模型,运用系统聚类定量分析了陆港选址相关问题,并引用贝叶斯判别对选址聚类结果的可靠性进行了评估,采用贝叶斯网络-灰色理论对国际陆港进行了风险评估,建立了贝叶斯网络结构图,得出了相应评估风险概率。研究表明:基于贝叶斯概率的选址方法能够充分考虑城市规模、经济社会发展、城市物流量等影响因素,减小了人为主观因素对国际陆港风险评估的影响,有效提高了国际陆港选址规划的科学性和可靠性。（2）国际陆港功能区布局规划方法改进与优化。基于SLP方法确定了国际陆港功能区布局规划的具体操作步骤,同时考虑历史统计数据,结合马尔科夫链方法对传统SLP法进行优化,建立了国际陆港货运量灰色预测模型,提高了随机波动数据序列的预测精度,完成了国际陆港货运量的定量计算。研究表明:改进SLP法对陆港功能区面积的预测更加科学合理,并通过物流及非物流关联度分析,合理确定功能区布局,大大提高了陆港工作运转效率,对陆港未来规划建设和发展方向提供了科学有效的指导和借鉴。（3）国际陆港开发强度指标研究。建立了组合马尔科夫物流量预测模型,弥补了组合预测模型对不确定性数据样本预测精度较低的缺陷。基于层次分析法对园区开发强度指标进行修正,建立了国际陆港用地规模及核心功能区面积的理论计算模型。研究表明:基于马尔科夫链方法的PENT方法所确定的土地规模能够满足国际陆港的功能需求,同时也有效地避免了土地资源的浪费,对国际陆港的建设规模预测具有实际的指导意义。（4）以西安港为例,采用贝叶斯方法、MC-SLP法（基于马尔科夫链的SLP法）以及MC-PENT法（基于马尔科夫链的PENT法）分别对西安港的选址规划及风险评估、功能区布局规划、开发强度指标体系进行了定量分析。研究表明:在西安建设西安港具有较低的风险等级,是安全可行的;基于MC-SLP法确定的西安港功能布局更加科学合理;基于MC-PENT方法确定的西安港核心功能区面积及理论性开发强度指标对规划建设具有较好的指导意义。采用空间遗传理论优化后的规划方法能够弥补定性分析的不足,完成不同层次的定量分析,对国际陆港规划具有理论和实践的指导意义。
二、基于遗传算法的空间聚类分析（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于遗传算法的空间聚类分析（论文提纲范文）
（1）基于耦合DNA-GA-P系统的聚类分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 符号表示和英文缩写清单 |
| 符号表示目录 |
| 英文缩写目录 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 P系统的研究现状 |
| 1.2.2 DNA遗传算法的研究现状 |
| 1.2.3 聚类分析的研究现状 |
| 1.2.4 基于DNA遗传算法和P系统的聚类问题研究现状 |
| 1.3 理论概述 |
| 1.3.1 DNA遗传算法 |
| 1.3.2 P系统 |
| 1.3.3 聚类分析 |
| 1.4 研究的创新点 |
| 1.5 论文主要研究内容与组织框架 |
| 1.5.1 研究内容 |
| 1.5.2 论文的组织结构 |
| 第2章 耦合DNA-GA-P系统(CDP) |
| 2.1 问题提出 |
| 2.2 耦合DNA-GA-P系统构建 |
| 2.3 四种扩展的耦合DNA-GA-P系统 |
| 2.3.1 具有定向交流与概率进化规则的耦合DNA-GA类细胞P系统(DPCDP) |
| 2.3.2 带有膜分裂/膜溶解规则的耦合DNA-GA类组织P系统(DDCDP) |
| 2.3.3 基于链式拓扑结构的耦合DNA-GA-P系统(CHCDP) |
| 2.3.4 基于自组装思想的耦合DNA-GA种群P系统(SACDP) |
| 2.4 耦合DNA-GA-P系统的收敛性分析 |
| 2.5 耦合DNA-GA-P系统分析 |
| 2.5.1 DPCDP系统分析 |
| 2.5.2 CHCDP系统分析 |
| 第3章 基于DPCDP系统的模糊C均值聚类算法 |
| 3.1 引入权重均值距离的FCM(WMFCM) |
| 3.1.1 WMFCM算法提出 |
| 3.1.2 实验评价指标 |
| 3.1.3 WMFCM算法性能分析 |
| 3.2 基于DPCDP系统的WMFCM算法实现(WMFCM-DPCDP) |
| 3.2.1 系统基本框架 |
| 3.2.2 细胞1中的进化规则 |
| 3.2.3 细胞2中的进化规则 |
| 3.2.4 细胞3中的进化规则 |
| 3.2.5 不同细胞之间的交流规则 |
| 3.2.6 迭代停止规则 |
| 3.2.7 算法复杂度分析 |
| 3.3 实验分析 |
| 3.3.1 实验数据集 |
| 3.3.2 实验设置 |
| 3.3.3 实验结果分析 |
| 3.3.4 T假设检验 |
| 第4章 基于DDCDP系统的密度峰值聚类算法 |
| 4.1 算法基础 |
| 4.2 引入K近邻和香农熵思想的DPC算法 |
| 4.2.1 当前算法不足 |
| 4.2.2 改进措施 |
| 4.3 基于DDCDP系统的KSDPC算法实现(KSDPC-DDCDP) |
| 4.3.1 系统基本框架 |
| 4.3.2 系统进化规则 |
| 4.3.3 KSDPC-DDCDP算法流程 |
| 4.3.4 算法复杂度分析 |
| 4.4 实验分析 |
| 4.4.1 实验数据集 |
| 4.4.2 实验设置 |
| 4.4.3 实验结果分析 |
| 第5章 基于CHCDP系统的集成模糊K-modes算法 |
| 5.1 算法基础 |
| 5.2 基于核直观权重模糊K-modes算法(KIWFKM) |
| 5.2.1 KIWFKM算法 |
| 5.2.2 算法复杂度分析 |
| 5.2.3 KIWFKM算法性能分析 |
| 5.3 基于CHCDP系统集成FKM算法实现(CFKM-CHCDP) |
| 5.3.1 CHCDP系统结构 |
| 5.3.2 反应链式-超图子系统 |
| 5.3.3 局部交流P系统 |
| 5.3.4 一致性子系统 |
| 5.4 实验分析 |
| 5.4.1 实验数据集 |
| 5.4.2 实验设置 |
| 5.4.3 实验分析 |
| 5.4.4 T假设检验 |
| 第6章 基于SACDP系统的自权重多视图谱聚类(KGWMC-SACDP) |
| 6.1 算法基础 |
| 6.2 SACDP系统基本框架 |
| 6.3 基于KNN和图结构的自权重多视图集成谱聚类 |
| 6.3.1 目标函数 |
| 6.3.2 迭代进化算法 |
| 6.4 KGWMC-SACDP算法分析 |
| 6.4.1 聚类实现 |
| 6.4.2 复杂性分析 |
| 6.4.3 收敛性分析 |
| 6.5 实验分析 |
| 6.5.1 实验数据集 |
| 6.5.2 实验设置 |
| 6.5.3 实验结果分析 |
| 6.5.4 T假设检验 |
| 第7章 耦合算法在两类实际问题中的应用研究 |
| 7.1 耦合WMFCM-DPCDP算法在图像分割中的应用 |
| 7.1.1 图像分割问题 |
| 7.1.2 基于聚类分析的图像分割技术 |
| 7.1.3 实验对比与分析 |
| 7.2 耦合KGWMC-SACDP算法在文本聚类中的应用 |
| 7.2.1 文本聚类方法 |
| 7.2.2 实验数据集 |
| 7.2.3 实验对比与分析 |
| 第8章 结论与展望 |
| 8.1 结论 |
| 8.2 进一步的研究工作 |
| 参考文献 |
| 攻读博士学位期间论文成果 |
| 攻读博士学位期间项目成果 |
| 攻读博士学位期间获奖成果 |
| 致谢 |
（2）基于程序变异的测试用例自动生成方法研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 变量注释表 |
| 1 绪论 |
| 1.1 论文研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究趋势 |
| 1.4 主要研究内容和技术路线 |
| 1.5 论文结构 |
| 2 相关基础理论 |
| 2.1 软件测试概述 |
| 2.2 变异测试技术 |
| 2.3 遗传算法介绍 |
| 2.4 本章小结 |
| 3 基于聚类分析的变异体约简方法研究 |
| 3.1 弱变异测试覆盖准则 |
| 3.2 基于聚类分析的变异体约简方法 |
| 3.3 实验验证 |
| 3.4 本章小结 |
| 4 基于遗传算法测试用例自动生成方法 |
| 4.1 问题建模 |
| 4.2 变异测试用例自动生成算法 |
| 4.3 实验验证 |
| 4.4 本章小结 |
| 5 测试用例自动生成软件设计与实现 |
| 5.1 系统设计与总体设计 |
| 5.2 系统数据库设计 |
| 5.3 系统详细设计 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 研究展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（3）城市轨道交通换乘影响区的共享单车设施布局配置研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 公共自行车的发展概述 |
| 1.2.2 自行车换乘轨道交通特性 |
| 1.2.3 轨道交通换乘影响范围研究 |
| 1.2.4 自行车设施布局配置研究 |
| 1.2.5 研究综述总结 |
| 1.3 研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 1.3.3 技术路线 |
| 1.4 本章小结 |
| 第二章 轨道交通站点周边共享单车出行特性分析 |
| 2.1 基于换乘骑行数据的出行特性分析 |
| 2.1.1 换乘骑行数据处理 |
| 2.1.2 换乘骑行时间特征 |
| 2.1.3 换乘骑行空间特征 |
| 2.2 基于换乘骑行特性的轨道站点分类 |
| 2.2.1 聚类分析模型介绍 |
| 2.2.2 聚类分析求解过程 |
| 2.2.3 聚类分析结果分析 |
| 2.3 本章小结 |
| 第三章 轨道交通站点换乘共享单车影响区分析 |
| 3.1 轨道交通换乘影响区的研究基础 |
| 3.1.1 影响区的分析方法选择 |
| 3.1.2 多源数据的获取与融合 |
| 3.2 共享单车换乘骑行指标的构建 |
| 3.2.1 换乘骑行指标层次划分 |
| 3.2.2 评价指标的含义及量化 |
| 3.2.3 换乘骑行指标赋权方法 |
| 3.3 基于ArcGIS平台空间叠加分析 |
| 3.3.1 轨道站点Voronoi划分 |
| 3.3.2 换乘骑行时空圈层分析 |
| 3.3.3 指标网络空间叠加分析 |
| 3.4 本章小结 |
| 第四章 轨道换乘影响区共享单车设施布局配置 |
| 4.1 基于换乘的自行车设施研究基础 |
| 4.1.1 共享单车的设施点介绍 |
| 4.1.2 设施布局配置方法选择 |
| 4.1.3 相关影响因素量化分析 |
| 4.2 轨道换乘影响区设施备选点预测 |
| 4.2.1 设施备选点配置方法介绍 |
| 4.2.2 设施备选点聚类分析流程 |
| 4.2.3 设施备选点聚类结果分析 |
| 4.3 基于备选点的双层规划配置模型 |
| 4.3.1 双层规划布局配置模型假设 |
| 4.3.2 双层规划布局配置模型建立 |
| 4.3.3 双层规划布局配置模型求解 |
| 4.4 本章小结 |
| 第五章 案例分析研究 |
| 5.1 案例研究背景 |
| 5.1.1 研究站点的选择 |
| 5.1.2 交通小区的划分 |
| 5.1.3 设施备选点预测 |
| 5.2 模型参数确定 |
| 5.2.1 基本模型参数确定 |
| 5.2.2 共享单车相关参数 |
| 5.2.3 常规公交参数确定 |
| 5.3 模型求解结果 |
| 5.3.1 模型求解结果分析 |
| 5.3.2 参数的敏感性分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究成果 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简介、在读期间发表论文及参与科研情况 |
（4）寒冷地区办公建筑性能优化设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和概念界定 |
| 1.1.1 研究背景 |
| 1.1.2 概念界定 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.2.3 总结与评价 |
| 1.3 研究目标、内容、方法与框架 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 研究方法 |
| 1.3.4 论文框架 |
| 1.4 创新点 |
| 第2章 寒冷地区办公建筑能耗和光热性能优化 |
| 2.1 办公建筑能耗和光热性能评价指标 |
| 2.1.1 能耗和光热性能是建筑性能研究重点 |
| 2.1.2 利用性能模拟获取评价指标 |
| 2.1.3 办公建筑能耗和光热性能评价指标 |
| 2.2 寒冷地区气候特征 |
| 2.2.1 温湿度 |
| 2.2.2 日照时长和太阳辐射 |
| 2.2.3 风环境 |
| 2.2.4 响应气候的被动策略 |
| 2.3 寒冷地区办公建筑能耗和光热性能现状 |
| 2.3.1 能耗现状 |
| 2.3.2 光环境现状 |
| 2.3.3 热舒适现状 |
| 2.3.4 问题与反思 |
| 2.4 基于modeFRONTIER的办公建筑性能优化设计方法 |
| 2.4.1 既有建筑性能优化设计方法 |
| 2.4.2 基于modeFRONTIER整合L+H的建筑性能优化设计方法 |
| 2.5 本章小结 |
| 第3章 寒冷地区办公建筑性能模型 |
| 3.1 寒冷地区办公建筑几何模型 |
| 3.1.1 影响办公建筑性能的设计要素 |
| 3.1.2 寒冷地区典型办公建筑几何模型 |
| 3.2 办公建筑光性能模型 |
| 3.2.1 光性能模拟工具 |
| 3.2.2 光性能模型 |
| 3.2.3 光性能模型的参数设置 |
| 3.3 耦合自然采光和自然通风的办公建筑能耗模型 |
| 3.3.1 能耗模型的参数设置 |
| 3.3.2 耦合自然采光和自然通风的能耗模型 |
| 3.3.3 性能模型校验 |
| 3.3.4 细化性能模型 |
| 3.4 本章小结 |
| 第4章 影响建筑性能的关键设计要素 |
| 4.1 析因试验方法 |
| 4.1.1 析因试验方法 |
| 4.1.2 拉丁超立方抽样 |
| 4.2 相关性分析 |
| 4.2.1 办公建筑形态相关性分析 |
| 4.2.2 办公建筑界面相关性分析 |
| 4.2.3 办公室空间相关性分析 |
| 4.2.4 建筑性能相关性 |
| 4.3 全局敏感度分析 |
| 4.3.1 敏感度分析方法概述 |
| 4.3.2 敏感度主效应分析 |
| 4.3.3 敏感度交互效应分析 |
| 4.3.4 影响办公建筑性能的关键设计要素 |
| 4.4 对节能标准关键设计指标的建议 |
| 4.4.1 分析节能标准的关键设计指标 |
| 4.4.2 办公建筑外墙传热系数 |
| 4.4.3 办公建筑窗墙比和窗户热工性能 |
| 4.4.4 对办公建筑节能设计标准的建议 |
| 4.5 本章小结 |
| 第5章 寒冷地区办公建筑多目标优化方法研究 |
| 5.1 多目标优化算法 |
| 5.1.1 对比NSGA-Ⅱ算法与piLOPT算法 |
| 5.1.2 NSGA-Ⅱ算法的参数设置 |
| 5.2 优化过程 |
| 5.2.1 一步式优化与分步式优化过程 |
| 5.2.2 基于聚类的优化过程 |
| 5.3 分析优化结果 |
| 5.3.1 优化结果 |
| 5.3.2 帕累托最优解的聚类分析 |
| 5.3.3 多标准决策 |
| 5.4 本章小结 |
| 第6章 搭建基于modeFRONTIER的性能优化设计平台 |
| 6.1 基于modeFRONTIER的办公建筑性能优化设计平台框架 |
| 6.2 基于Grasshopper/L+H的办公建筑性能模拟及评价模块 |
| 6.2.1 模块构成 |
| 6.2.2 光环境模拟评价子模块 |
| 6.2.3 能耗模拟评价子模块 |
| 6.3 基于modeFRONTIER的试验设计、多目标优化和后处理模块 |
| 6.3.1 模块构成 |
| 6.3.2 试验设计(DOE)模块 |
| 6.3.3 多目标优化模块 |
| 6.3.4 数据后处理模块 |
| 6.4 性能优化平台应用示例 |
| 6.4.1 项目概况 |
| 6.4.2 性能优化平台应用 |
| 6.5 本章小结 |
| 第7章 总结和展望 |
| 7.1 本文主要结论 |
| 7.2 研究局限和后续研究展望 |
| 参考文献 |
| 附录 |
| 附录A 寒冷地区办公建筑调研案例信息统计表 |
| 附录B 办公室光热舒适度调研问卷 |
| 附录C 寒冷地区代表城市建筑朝向分析 |
| 附录D 国内外办公建筑典型能耗模型参数汇总 |
| 发表论文和参加科研情况说明 |
| 发表论文 |
| 参加的科研项目 |
| 致谢 |
（5）模糊聚类在本科工程质量认证中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 论文的研究背景和意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 聚类算法的研究现状 |
| 1.2.2 工程教育专业认证的研究现状 |
| 1.3 本文的研究内容 |
| 1.4 本文的组织结构 |
| 1.5 本章小结 |
| 第2章 相关基础理论 |
| 2.1 数据挖掘技术的基本原理 |
| 2.1.1 数据挖掘技术中的主要算法 |
| 2.1.2 数据挖掘技术的应用 |
| 2.2 聚类算法的相关知识 |
| 2.2.1 数据结构 |
| 2.2.2 数据标准化 |
| 2.3 常用距离的度量方式 |
| 2.4 主要的聚类分析方法 |
| 2.4.1 划分法 |
| 2.4.2 层次方法 |
| 2.4.3 基于密度的聚类方法 |
| 2.4.4 基于网格的方法 |
| 2.4.5 基于模型的方法 |
| 2.5 聚类结果的评估 |
| 2.6 遗传算法基本原理 |
| 2.6.1 遗传算法编码 |
| 2.6.2 遗传算法的初始种群 |
| 2.6.3 适应度函数 |
| 2.6.4 遗传算子 |
| 2.6.5 实现过程 |
| 2.7 本章小结 |
| 第3章 模糊聚类算法及其改进算法 |
| 3.1 基于目标函数的模糊聚类算法 |
| 3.1.1 基于划分的FCM聚类算法 |
| 3.1.2 模糊C均值聚类的实现 |
| 3.1.3 常见FCM聚类算法的缺陷 |
| 3.2 基于遗传算法改进FCM算法 |
| 3.2.1 种群初始化 |
| 3.2.2 编码 |
| 3.2.3 适应度函数 |
| 3.2.4 遗传算子 |
| 3.3 基于遗传算法的模糊聚类算法具体流程(GA-FCM) |
| 3.4 实验仿真及结果分析 |
| 3.4.1 实验平台 |
| 3.4.2 数据集简介 |
| 3.4.3 结果与分析 |
| 3.5 本章小结 |
| 第4章 模糊聚类在教师教学水平中的应用 |
| 4.1 教师教学水平评价 |
| 4.1.1 教师教学水平评价指标 |
| 4.1.2 实验数据的整理和标准化 |
| 4.2 基于遗传算法的FCM聚类过程与结果分析 |
| 4.2.1 基于遗传算法的FCM聚类过程 |
| 4.2.2 结果分析 |
| 4.2.3 类别描述 |
| 4.3 本章小结 |
| 第5章 模糊聚类在学生学习成果中的应用 |
| 5.1 学生学习成果评价 |
| 5.1.1 建立学生学习成果评价指标 |
| 5.1.2 实验数据的整理和标准化 |
| 5.2 基于GA-FCM聚类算法聚类过程与结果分析 |
| 5.2.1 基于GA-FCM聚类算法聚类过程 |
| 5.2.2 结果分析 |
| 5.2.3 类别描述 |
| 5.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文 |
| 致谢 |
（6）基于需求空间聚类的冷链配送选址与定价联合决策研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究的背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究思路与论文结构 |
| 1.2.1 研究思路 |
| 1.2.2 论文结构 |
| 1.3 本章小结 |
| 第二章 相关理论及文献综述 |
| 2.1 需求空间分异 |
| 2.1.1 社会分层与居住空间分异 |
| 2.1.2 社会分层与消费需求 |
| 2.2 空间聚类分析 |
| 2.3 选址与定价综述 |
| 2.4 本章小结 |
| 第三章 冷链配送选址与定价联合决策模型构建 |
| 3.1 城市居民需求空间聚类分析 |
| 3.1.1 基本思想 |
| 3.1.2 Bisecting K-means聚类 |
| 3.1.3 空间聚类簇数确定 |
| 3.2 问题描述与相关假设 |
| 3.3 相关参数与基础模型建立 |
| 3.3.1 参数说明 |
| 3.3.2 基础模型 |
| 3.4 分级模型 |
| 3.4.1 非嵌套模型 |
| 3.4.2 嵌套模型 |
| 3.5 遗传算法 |
| 3.6 本章小结 |
| 第四章 实证分析 |
| 4.1 背景介绍 |
| 4.2 数据生成 |
| 4.2.1 生鲜需求数据生成 |
| 4.2.2 候选冷链配送中心确定 |
| 4.2.3 参数生成 |
| 4.3 模型求解与方案确定 |
| 4.3.1 基础模型结果 |
| 4.3.2 非嵌套模型结果 |
| 4.3.3 嵌套模型结果 |
| 4.4 参数分析 |
| 4.4.1 社会分层因素影响分析 |
| 4.4.2 成本权重影响分析 |
| 4.5 本章小结 |
| 第五章 总结与展望 |
| 5.1 研究总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 硕士在读期间发表的论文 |
（7）居民地综合决策模型和方法研究（论文提纲范文）
| 学位论文创新点与发表学术论文对应情况表 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 居民地综合研究范式呈现数据密集型计算的特点 |
| 1.2.2 居民地综合方法研究呈现多学科融合的趋势 |
| 1.2.3 居民地综合的地图背景向多元化发展 |
| 1.2.4 多属性决策方法研究现状 |
| 1.2.5 居民地综合研究现状分析 |
| 1.3 本文研究思路、内容和技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容 |
| 1.3.3 研究技术路线 |
| 1.4 论文的组织结构 |
| 1.5 本章小结 |
| 第二章 居民地综合决策的基础理论 |
| 2.1 居民地综合问题与决策分析的关系 |
| 2.1.1 居民地综合涉及的关键问题 |
| 2.1.2 决策分析在居民地综合中的重要作用 |
| 2.2 决策理论与方法 |
| 2.2.1 决策科学的产生与发展 |
| 2.2.2 居民地综合决策类型界定 |
| 2.2.3 居民地综合决策过程 |
| 2.2.4 主要决策方法 |
| 2.3 多属性决策理论与方法 |
| 2.3.1 多属性决策基本概念、研究重点和要素 |
| 2.3.2 多属性决策指标体系的确定 |
| 2.3.3 指标权重确定方法研究 |
| 2.3.4 指标值规范化方法 |
| 2.3.5 指标正向化方法 |
| 2.3.6 多属性决策综合排序方法 |
| 2.4 基于信息熵的多属性决策方法 |
| 2.4.1 信息熵的原理 |
| 2.4.2 熵权法计算权重步骤 |
| 2.4.3 信息熵的性质 |
| 2.5 本章小结 |
| 第三章 居民地结构选取的决策模型和方法 |
| 3.1 居民地选取难点分析 |
| 3.1.1 居民地的选取及定额选取 |
| 3.1.2 居民地的结构选取 |
| 3.2 居民地结构选取的现有方法及模型评价 |
| 3.2.1 模糊综合评判方法 |
| 3.2.2 基于人工神经元网络的居民地选取方法 |
| 3.2.3 基于主成分分析和层次分析的居民地选取方法 |
| 3.3 点状居民地结构选取的决策问题及模型和方法 |
| 3.3.1 点状居民地结构选取决策模型设计 |
| 3.3.2 点状居民地结构选取决策模型实验验证 |
| 3.3.3 实验分析 |
| 3.4 面状居民地结构选取的决策问题及模型和方法 |
| 3.4.1 面状居民地结构选取决策模型设计 |
| 3.4.2 面状居民地结构选取决策模型实验验证 |
| 3.4.3 实验分析 |
| 3.5 本章小结 |
| 第四章 街道网结构模式识别的决策模型和方法 |
| 4.1 街道网结构模式研究 |
| 4.1.1 居民地组成及街道网结构类型 |
| 4.1.2 格网模式街道网结构特征分析 |
| 4.1.3 格网模式识别现有研究方法及其评价 |
| 4.2 街道网格网模式关键指标的提取 |
| 4.2.1 街道网骨架的构建 |
| 4.2.2 平行街道的定量分析 |
| 4.2.3 街道网格网模式的度量指标 |
| 4.3 基于变异系数和聚类分析的街道网结构模式识别决策模型和方法 |
| 4.3.1 基于变异系数和聚类分析的街道网结构模式识别决策模型设计 |
| 4.3.2 基于变异系数和聚类分析的街道网结构模式识别决策模型实验验证 |
| 4.3.3 实验分析 |
| 4.4 基于区域矩形度、直线率和矩形率的街道网结构模式识别决策模型和方法 |
| 4.4.1 基于区域矩形度、直线率和矩形率的街道网结构模式识别决策模型设计 |
| 4.4.2 运用前馈神经网络实验验证决策模型 |
| 4.4.3 运用聚类分析实验验证决策模型 |
| 4.4.4 实验分析 |
| 4.5 本章小结 |
| 第五章 居住区形状化简的决策模型和方法 |
| 5.1 居住区形状化简涉及的关键问题及现有模型和方法 |
| 5.1.1 居住区形状化简的目的 |
| 5.1.2 居住区的主要类型 |
| 5.1.3 居民地形状化简的现有模型和方法 |
| 5.2 格网状居住区街道选取的决策模型和方法 |
| 5.2.1 格网状居住区特征分析 |
| 5.2.2 格网状居住区街道选取决策模型设计 |
| 5.2.3 格网状居住区街道选取决策模型实验验证 |
| 5.2.4 实验分析 |
| 5.3 有街道不规则状居住区街道选取决策模型和方法 |
| 5.3.1 有街道不规则状居住区特征分析 |
| 5.3.2 有街道不规则状居住区街道选取决策模型设计 |
| 5.3.3 有街道不规则状居住区街道选取决策模型实验验证 |
| 5.3.4 实验分析 |
| 5.4 无街道不规则状居住区建筑物选取决策模型和方法 |
| 5.4.1 无街道不规则状居住区形状化简的规定和原则 |
| 5.4.2 无街道不规则状居住区建筑物选取决策模型设计 |
| 5.4.3 无街道不规则状居住区建筑物选取决策模型实验验证 |
| 5.4.4 实验分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 作者简历 |
（8）基于聚类分析的医学图像分割研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 医学图像分割研究现状 |
| 1.2.2 聚类分析算法研究现状 |
| 1.3 本文研究内容与论文组织 |
| 1.3.1 主要研究工作 |
| 1.3.2 论文组织结构 |
| 第二章 医学图像分割理论基础 |
| 2.1 引言 |
| 2.2 图像分割的概念 |
| 2.3 图像分割的方法 |
| 2.3.1 基于阈值的分割方法 |
| 2.3.2 基于区域的分割方法 |
| 2.3.3 基于边缘的分割方法 |
| 2.3.4 基于聚类的分割方法 |
| 2.3.5 基于图论的分割方法 |
| 2.3.6 基于神经网络的分割方法 |
| 2.4 图像分割质量评价 |
| 2.4.1 主观评价 |
| 2.4.2 客观评价 |
| 2.5 本章小结 |
| 第三章 基于改进的高斯混合模型牙齿图像分割研究 |
| 3.1 引言 |
| 3.2 高斯混合模型基本理论 |
| 3.3 基于K均值聚类的GMM分割算法 |
| 3.3.1 图像预处理 |
| 3.3.2 算法改进 |
| 3.3.3 算法流程 |
| 3.4 实验结果及分析 |
| 3.4.1 算法性能比较与分析 |
| 3.5 本章小结 |
| 第四章 基于空间信息的遗传模糊聚类图像分割算法 |
| 4.1 引言 |
| 4.2 模糊C均值聚类算法 |
| 4.3 基于空间信息的遗传模糊聚类图像分割算法 |
| 4.3.1 基于自适应遗传算法的聚类中心选取 |
| 4.3.2 基于空间信息的隶属度函数 |
| 4.3.3 本章算法具体步骤 |
| 4.4 实验结果与分析 |
| 4.4.1 数据聚类实验 |
| 4.4.2 人工合成图像分割实验 |
| 4.4.3 医学图像分割实验 |
| 4.4.4 算法性能比较与分析 |
| 4.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间发表的学术论文和获奖情况 |
（9）复杂数据信息的聚类方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 课题的来源及其研究内容 |
| 1.3.1 课题的来源 |
| 1.3.2 课题研究内容 |
| 第2章 聚类算法概述 |
| 2.1 聚类分析原理介绍 |
| 2.2 高维数据聚类 |
| 2.2.1 高维数据的特性 |
| 2.2.2 高维数据降维 |
| 2.3 障碍物和网格密度 |
| 2.3.1 障碍集 |
| 2.3.2 网格的定义 |
| 2.4 本章小结 |
| 第3章 高维空间中数据聚类算法 |
| 3.1 基本定义与说明 |
| 3.2 面向聚类的PCA降维方法 |
| 3.2.1 数据空间到特征空间 |
| 3.2.2 新的降维算法 |
| 3.3 基于岭回归的稀疏主成分算法 |
| 3.4 基于遗传算法聚类的改进算法 |
| 3.5 实验分析 |
| 3.6 本章小结 |
| 第4章 障碍空间中数据聚类算法 |
| 4.1 基本定义与说明 |
| 4.2 障碍静止情况下的聚类算法 |
| 4.3 障碍增加情况下聚类算法 |
| 4.4 障碍减少情况下聚类算法 |
| 4.5 障碍移动情况下聚类算法 |
| 4.6 实验分析 |
| 4.7 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（10）基于空间遗传理论的国际陆港规划方法优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与研究意义 |
| 1.2 国际陆港研究综述 |
| 1.2.1 国际陆港形成及演化机理 |
| 1.2.2 国际陆港与海港互动 |
| 1.3 国际陆港规划方法研究现状 |
| 1.3.1 SLP方法研究 |
| 1.3.2 PENT方法研究 |
| 1.3.3 遗传算法研究 |
| 1.4 国际陆港规划与空间遗传理论进展 |
| 1.4.1 国际陆港规划 |
| 1.4.2 空间遗传理论 |
| 1.5 研究内容与框架 |
| 第二章 国际陆港规划理论研究 |
| 2.1 国际陆港规划理论方法 |
| 2.1.1 国际陆港相关基础理论 |
| 2.1.2 国际陆港选址规划 |
| 2.1.3 国际陆港布局规划 |
| 2.1.4 国际陆港开发强度指标 |
| 2.1.5 存在的主要问题 |
| 2.2 国际陆港选址规划理论 |
| 2.2.1 国际陆港选址原则 |
| 2.2.2 国际陆港选址制约因素 |
| 2.3 国际陆港功能布局理论 |
| 2.3.1 国际陆港的功能布局规划含义 |
| 2.3.2 国际陆港功能布局规划方法 |
| 2.4 国际陆港开发强度理论 |
| 2.4.1 国际陆港开发强度指标体系意义 |
| 2.4.2 土地开发强度指标控制影响因素 |
| 2.5 本章小结 |
| 第三章 国际陆港发展现状调查研究 |
| 3.1 陆港发展现状调查 |
| 3.1.1 调查概述 |
| 3.1.2 调查结果分析 |
| 3.2 陆港空间使用情况调查 |
| 3.2.1 调查概述 |
| 3.2.2 调查内容及结果分析 |
| 3.3 陆港规划编制情况调查 |
| 3.3.1 调查概述 |
| 3.3.2 调查内容及结果分析 |
| 3.4 国际陆港规划问题研究 |
| 3.5 本章小结 |
| 第四章 基于贝叶斯概率理论的国际陆港选址优化研究 |
| 4.1 空间遗传算法-贝叶斯方法 |
| 4.2 基于贝叶斯方法的选址优化模型构建 |
| 4.2.1 传统选址模型局限性 |
| 4.2.2 基于贝叶斯网络的选址影响因素确定 |
| 4.2.3 基于贝叶斯判别的选址模型构建 |
| 4.3 基于贝叶斯网络的选址风险评估 |
| 4.3.1 运用熵权法确定权重 |
| 4.3.2 灰色评估模型步骤 |
| 4.3.3 贝叶斯网络模型建立 |
| 4.4 风险评估实例验证 |
| 4.4.1 影响因素权重确定 |
| 4.4.2 风险评估模型建立 |
| 4.4.3 结果分析 |
| 4.5 本章小结 |
| 第五章 基于空间遗传概率方法的国际陆港功能布局规划研究 |
| 5.1 空间遗传概率方法-马尔科夫链 |
| 5.2 基于马尔科夫链方法(Markov Chain)的SLP方法优化 |
| 5.2.1 SLP方法原理与步骤 |
| 5.2.2 SLP方法局限性 |
| 5.2.3 SLP方法优化 |
| 5.3 MC-SLP方法实施 |
| 5.3.1 功能区的规模预测 |
| 5.3.2 功能区基本要素分析 |
| 5.3.3 功能区关系研究 |
| 5.3.4 初步方案的确定与评价 |
| 5.4 MC-SLP方法实例验证 |
| 5.4.1 物流量预测 |
| 5.4.2 功能区面积计算 |
| 5.4.3 功能区相互关系 |
| 5.4.4 功能布局优化 |
| 5.5 本章小结 |
| 第六章 基于遗传网络的国际陆港开发强度指标探究 |
| 6.1 遗传网络-马尔科夫链 |
| 6.2 基于马尔科夫链方法(Markov Chain)的PENT方法优化 |
| 6.2.1 PENT方法原理与步骤 |
| 6.2.2 PENT方法局限性 |
| 6.2.3 PENT方法优化 |
| 6.3 MC-PENT方法实施 |
| 6.3.1 物流量预测 |
| 6.3.2 用地规模预测 |
| 6.3.3 核心功能区规划预测 |
| 6.3.4 指标修正系数测算 |
| 6.4 MC-PENT方法实例验证 |
| 6.4.1 用地规模预测 |
| 6.4.2 开发强度指标确定 |
| 6.4.3 开发强度指标评价与应用 |
| 6.5 本章小结 |
| 第七章 国际陆港规划理论与方法应用研究 |
| 7.1 西安港概况 |
| 7.1.1 发展背景 |
| 7.1.2 服务范围 |
| 7.2 基于空间遗传概率方法的西安港选址规划优化研究 |
| 7.2.1 区位分析 |
| 7.2.2 基于贝叶斯网络的西安港选址规划影响因素分析 |
| 7.2.3 基于系统聚类法-贝叶斯判别的西安港选址模型建立 |
| 7.2.4 基于贝叶斯网络-灰色估计法西安港风险评估 |
| 7.2.5 西安港空间选址 |
| 7.3 基于空间遗传算法的西安港功能布局规划研究 |
| 7.3.1 功能布局与分区 |
| 7.3.2 功能区用地规模 |
| 7.3.3 功能区关系研究 |
| 7.3.4 功能区空间布局 |
| 7.4 基于空间遗传网络的西安港开发强度指标探讨 |
| 7.4.1 园区占地总规模测算 |
| 7.4.2 核心功能区面积预测 |
| 7.4.3 指标修正系数测算 |
| 7.4.4 开发强度指标确定 |
| 7.5 本章小结 |
| 第八章 结论与展望 |
| 8.1 研究结论 |
| 8.2 研究创新点 |
| 8.3 研究展望 |
| 参考文献 |
| 附录 |
| 作者攻读博士学位期间取得的研究成果 |
| 致谢 |
四、基于遗传算法的空间聚类分析（论文参考文献）
- [1]基于耦合DNA-GA-P系统的聚类分析研究[D]. 姜珍妮. 山东师范大学, 2021(10)
- [2]基于程序变异的测试用例自动生成方法研究与实现[D]. 王聪. 山东科技大学, 2020(06)
- [3]城市轨道交通换乘影响区的共享单车设施布局配置研究[D]. 郝俊. 东南大学, 2020(01)
- [4]寒冷地区办公建筑性能优化设计研究[D]. 田一辛. 天津大学, 2020
- [5]模糊聚类在本科工程质量认证中的应用[D]. 张思维. 吉林建筑大学, 2020(04)
- [6]基于需求空间聚类的冷链配送选址与定价联合决策研究[D]. 季旭. 东南大学, 2020(01)
- [7]居民地综合决策模型和方法研究[D]. 朵天林. 战略支援部队信息工程大学, 2020(01)
- [8]基于聚类分析的医学图像分割研究[D]. 杨旭鹏. 兰州理工大学, 2020(12)
- [9]复杂数据信息的聚类方法研究[D]. 吴凡. 哈尔滨理工大学, 2020
- [10]基于空间遗传理论的国际陆港规划方法优化研究[D]. 吕楠. 长安大学, 2020(06)
标签：聚类论文; 模糊c-均值聚类算法论文; 模糊聚类分析论文; 遗传算法论文; 图像分割论文;