《基于语义的Web服务动态组合》由会员分享，可在线阅读，更多相关《基于语义的Web服务动态组合（60页珍藏版）》请在金锄头文库上搜索。
1、学校代号 10536 学 号 0810802547 分 类 号 TP18 密 级 公开 硕士学位论文基于本体的基于本体的 web services 合成方案及应合成方案及应 用用学位申请人姓名 赵海涛 培 养 单位 长沙理工大学 导师姓名及职称 龙鹏飞 教授 学 科 专 业 计算机软件与理论 研 究 方 向 软件工程 论文提交日 期 2011 年 4 月 学校代号：10536学号：0810802547密级：公开 长沙理工大学硕士学位论文长沙理工大学硕士学位论文基于本体的基于本体的 web services 合成方案及应合成方案及应 用用学位申请人姓名 赵海涛 导师姓名及职称 龙鹏飞 教授 培
2、养 单位 长沙理工大学 专 业 名称 计算机软件与理论 论文提交日 期 2011 年 4 月 论文答辩日 期 2011 年 5 月 答辩委员会主席 施 荣 华 教授 Research on Clustering Based on Immune Genetic Algorithm and Particle Swarm Optimization bySun YangB.E.( Changsha University of Science Second, the C-means algorithm and the immune genetic algorithm were combined to f
3、orm a hybrid algorithm; Finally, based on the actual situation of the clustering problem designed the genetic selection, crossover and mutation operators, made the hybrid algorithm converge to the global optimal solution much faster and more efficiently.2. Clustering with the improved particle swarm
4、 algorithm. First, the advantages and IVdisadvantages of the existing particle swarm optimization were analyzed; second, the C-means algorithm which has strong local search ability and the genetic algorithm-based crossover and mutation operations were mixed into the particle swarm algorithm; finally
5、, them have played their advantages respectively through appropriate regulation. Not only the PSO algorithms ability of local search is improved, but also the diversity of the population was increased, at last achieved the purpose of prevent premature problem of the algorithm.3. Selected some data s
6、ets and the clustering experiments were implemented through MATLAB programming by the improved algorithms, and results were compared with other algorithms, and analyzed the result of the experiment. Key words: clustering algorithms; C mean cluster; immune genetic algorithm; immune genetic C mean clu
7、ster algorithm; particle swarm optimal algorithm目 录摘 要.I ABSTRACT.II 第一章 绪论1.1 研究的背景和意义.11.2 国内外研究现状.21.2.1 数据挖掘的研究现状.21.2.2 聚类的研究现状.41.3 本文所做的工作.41.4 本文的内容组织.5第二章 聚类2.1 聚类概述.62.1.1 聚类的概念.62.1.2 聚类的步骤.62.2 聚类的相似度度量.72.2.1 聚类分析中的数据类型.72.2.2 样本间距离的计算.82.3 评价标准.92.4 常用的聚类算法.102.4.1 常见的聚类算法间的关系.112.4.2 几种常用的聚类算法的比较.112.4.3 聚类算法中的划分方法.122.5 聚类的应用.142.6 本章小结.15第三章 基于人工免疫机制的遗传算法的改进研究3.1 基本遗传算法.163.1.1 遗传算法背景及研究现状.163.1.2 遗传算法的求解过程.173.1.3 遗传算法的优点.
