排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
提出一种基于Mahalanobis距离的模糊c-均值算法(FCM-M),它将经典的模糊c-均值中的欧式距离用Mahalanobis距离替代,利用Mahalanobis距离的优点,有效解决了FCM算法中的缺陷,并提高了训练精度.将其用于增量式学习中,结果对孤立点不敏感,实验结果显示了该算法的有效性和优越性. 相似文献
2.
针对粒子群算法搜索精度不高、易陷入局部极值点的缺点,通过分析原有粒子群算法的优化机理,提出一种基于惯性权重随粒子,进而使进化代数增加而非线性减小的改进粒子群算法,并将此改进的粒子群算法应用在车间作业调度问题中.通过大量仿真实验结果表明,该算法在求解车间作业调度问题上具有可行性和有效性. 相似文献
1