• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于混沌粒子群K-means 算法的人員分類訓(xùn)練

    2015-12-25 02:34:32王偉劉付顯
    關(guān)鍵詞:體能訓(xùn)練聚類粒子

    王偉 劉付顯

    (空軍工程大學(xué) 防空反導(dǎo)學(xué)院,陜西 西安710051)

    1 引言

    在組織軍事訓(xùn)練過(guò)程中,根據(jù)受訓(xùn)人員各項(xiàng)考核指標(biāo)的成績(jī)對(duì)人員進(jìn)行合理分類,為不同類別人員制訂針對(duì)性的訓(xùn)練計(jì)劃,避免“一鍋煮”,是提高訓(xùn)練效果的有效方法。體能訓(xùn)練作為軍事訓(xùn)練的重要內(nèi)容,其關(guān)于分類訓(xùn)練方法的研究也一直備受關(guān)注。

    在理論研究方面,文獻(xiàn)[1]對(duì)軍事體能訓(xùn)練問(wèn)題進(jìn)行分析并提出對(duì)策思考;文獻(xiàn)[2]分析了規(guī)范體能訓(xùn)練管理機(jī)制的方法;文獻(xiàn)[3]對(duì)中美兩軍體能訓(xùn)練評(píng)價(jià)分類方法進(jìn)行了對(duì)比分析;文獻(xiàn)[4]提出了基于灰色馬爾科夫理論的體能訓(xùn)練效果預(yù)測(cè)與評(píng)價(jià)模型。分析可知,目前大部分文獻(xiàn)對(duì)分類訓(xùn)練的研究處于定性階段,定量化分析的研究很少,因此對(duì)實(shí)際訓(xùn)練的指導(dǎo)性不強(qiáng)。在實(shí)際訓(xùn)練中,對(duì)人員的分類主要根據(jù)單項(xiàng)運(yùn)動(dòng)成績(jī)進(jìn)行劃分,區(qū)分為兩級(jí)(合格、不合格)或四級(jí)(優(yōu)秀、良好、合格、差),存在分類標(biāo)準(zhǔn)固化,不能根據(jù)受訓(xùn)對(duì)象水平靈活調(diào)整的問(wèn)題,因此分類的針對(duì)性不強(qiáng),量化和精細(xì)化不足,不能充分挖掘人員數(shù)據(jù)信息。

    在信息化條件下,充分利用軍事資源數(shù)據(jù),強(qiáng)化軍事訓(xùn)練精細(xì)化管理,突出量化分析是軍事訓(xùn)練的重要發(fā)展方向。因此,研究利用人員測(cè)試數(shù)據(jù)信息進(jìn)行合理分類訓(xùn)練是提高軍事訓(xùn)練科學(xué)化水平的重要途徑。由MacQueen 提出的K -means 算法是目前應(yīng)用最廣泛的一種聚類方法,但傳統(tǒng)的Kmeans 算法存在對(duì)初始聚類中心敏感、易陷入局部最優(yōu)、聚類數(shù)k需要事先給定等不足[5]。為克服K- means 算法的不足,研究人員提出多種粒子群優(yōu)化聚類算法:文獻(xiàn)[6]首次提出了結(jié)合K 均值算法和粒子群優(yōu)化算法解決聚類問(wèn)題;文獻(xiàn)[7]提出了粒子群聚類算法的編碼與適應(yīng)度選擇方法;文獻(xiàn)[8]提出了兩階段混合粒子群優(yōu)化聚類方法,給出了一種簡(jiǎn)化的粒子編碼方法;文獻(xiàn)[9]提出一種基于同步學(xué)習(xí)架構(gòu)的粒子群聚類算法。目前,多種粒子群優(yōu)化聚類算法已被應(yīng)用于財(cái)務(wù)預(yù)警、IDS 告警聚類和客戶分類等領(lǐng)域,但在人員訓(xùn)練分類中的研究還很少。

    本文將K - means 算法、粒子群、混沌思想相結(jié)合,對(duì)人員體能訓(xùn)練的分類問(wèn)題進(jìn)行研究。首先,對(duì)所提算法進(jìn)行描述;然后,應(yīng)用來(lái)自權(quán)威的UCI數(shù)據(jù)對(duì)算法分類準(zhǔn)確性和穩(wěn)定性進(jìn)行檢驗(yàn);最后,運(yùn)用所提算法對(duì)一組體能測(cè)試數(shù)據(jù)進(jìn)行聚類分析,為制訂科學(xué)的訓(xùn)練計(jì)劃提供依據(jù)。

    2 混沌粒子群K - means 算法

    2.1 K - means 算法

    數(shù)據(jù)樣本集X中有n個(gè)待分類對(duì)象,每個(gè)對(duì)象有d個(gè)特征指標(biāo),即X ={xi| xi∈Rd,i =1,2,…,n},將其劃分為k個(gè)類sj(j =1,2,…,k),各類中心為為類sj中對(duì)象的個(gè)數(shù),并使得各樣本點(diǎn)與對(duì)應(yīng)聚類中心的距離之和J最小:

    式(1)中,d(xi,cj)為樣本點(diǎn)到對(duì)應(yīng)聚類中心的歐式距離:

    2.2 粒子群優(yōu)化算法

    粒子群優(yōu)化[10](PSO)算法是一種模仿鳥(niǎo)群覓食行為的群智能算法,優(yōu)化問(wèn)題的每個(gè)解都是搜索空間的一只“鳥(niǎo)”,稱為“粒子”,每個(gè)粒子都有對(duì)應(yīng)的位置、速度和由目標(biāo)函數(shù)決定的適應(yīng)度。算法首先初始化粒子群,然后粒子通過(guò)不斷調(diào)整自己的位置來(lái)搜索最優(yōu)解。在每次迭代中,粒子通過(guò)跟蹤兩個(gè)“極值”來(lái)更新自己。一個(gè)是粒子本身所找到的最優(yōu)解稱為個(gè)體極值(pbest)Pi,另一個(gè)是整個(gè)種群目前找到的最優(yōu)解稱為全局極值(gbest)Pg,粒子根據(jù)下面兩個(gè)公式更新速度和位置:

    式(3)、式(4)中,vid為第i個(gè)粒子在第d維上的速度,ω為慣性權(quán)重,c1和c2為學(xué)習(xí)因子,r1和r2為0 到1 之間均勻分布的隨機(jī)數(shù)。

    在PSO 中,慣性權(quán)重的選擇對(duì)算法收斂性有直接影響,較大的ω有利于全局搜索,較小的ω有利于進(jìn)行精確的局部搜索[11]。本文采用自適應(yīng)的慣性權(quán)重,每個(gè)粒子的慣性權(quán)重根據(jù)其適應(yīng)度值的變化進(jìn)行調(diào)整。當(dāng)粒子的目標(biāo)值與群體最優(yōu)值差別較大時(shí),采用較大的ω,使該粒子能夠更快地趨向較好的搜索空間,以加快搜索速度;當(dāng)粒子的目標(biāo)值與群體最優(yōu)值差別較小時(shí),采用較小的ω,使粒子得到保護(hù),以提高搜索精度。自適應(yīng)慣性權(quán)重設(shè)置如下:

    式(5)中,ωmax和ωmin分別為ω的最大值和最小值為第i個(gè)粒子在第t代的目標(biāo)值和分別為種群最優(yōu)目標(biāo)值和最差目標(biāo)值。

    2.3 混沌PSO 算法

    由于標(biāo)準(zhǔn)PSO 算法存在早熟收斂的缺陷,而混沌運(yùn)動(dòng)具有隨機(jī)性、遍歷性、對(duì)初始條件敏感性等特點(diǎn),因此,將混沌思想引入PSO 算法,幫助惰性粒子逃離局部極小點(diǎn),并快速搜尋到最優(yōu)解。選用經(jīng)典Logistic 映射[12]:)

    當(dāng)μ =4 時(shí),式(6)產(chǎn)生的序列處于完全混沌狀態(tài),初始變量x0的微小變化將導(dǎo)致后續(xù)軌道的巨大不同。由任意初值x0,可迭代出一個(gè)確定的序列x1,x2,x3,…。

    對(duì)種群全局最優(yōu)粒子執(zhí)行混沌搜索以產(chǎn)生混沌序列,用新產(chǎn)生的混沌序列粒子替代原種群粒子,避免PSO 陷入局部最優(yōu)。

    2.4 聚類數(shù)k 確定

    聚類數(shù)k關(guān)系聚類結(jié)果的有效性,好的聚類應(yīng)使類內(nèi)的對(duì)象具有最大的相似性而類間的對(duì)象具有最大的相異性。應(yīng)用距離代價(jià)函數(shù)作為空間聚類有效性檢驗(yàn)函數(shù)[13]:

    式(7)中,c0為全部樣本的均值。當(dāng)距離代價(jià)函數(shù)達(dá)到最小值時(shí),聚類數(shù)k為最優(yōu)。

    2.5 混沌粒子群K - means 算法流程

    在粒子群聚類算法中,每個(gè)粒子的位置由k個(gè)中心組成,樣本向量維數(shù)為d,因此粒子的位置是k× d維向量,粒子的速度也是k × d維向量,粒子位置編碼構(gòu)造如下[5,7]:

    算法的操作步驟如下:

    第1 步:初始聚類數(shù)k =1(經(jīng)驗(yàn)規(guī)則

    第2 步:種群初始化。①將數(shù)據(jù)樣本集隨機(jī)劃分為k類,并計(jì)算各類的聚類中心,作為初始粒子的位置編碼,并隨機(jī)初始化粒子的速度,反復(fù)進(jìn)行N次,共生成N個(gè)初始粒子;②按式(1)計(jì)算各粒子的適應(yīng)度;③令各粒子的本身位置為其初始最佳位置pbest;④令種群中具有最優(yōu)適應(yīng)度的粒子的位置為初始種群最佳位置gbest。

    第3 步:進(jìn)行基于PSO 算法的搜索。①根據(jù)群體中各粒子的適應(yīng)度,更新各粒子自身的最佳位置信息pbest;②根據(jù)群體中各粒子的最佳位置,更新群體最佳位置信息gbest;③對(duì)于每個(gè)粒子,按式(3)和式(4)更新粒子的速度和位置;④對(duì)于每個(gè)粒子,計(jì)算新位置的目標(biāo)值J。

    第4 步:粒子淘汰。將所有N個(gè)粒子按適應(yīng)度大小進(jìn)行排序,淘汰后50%的粒子。

    第5 步:進(jìn)行混沌搜索。對(duì)于群體中的最佳微粒gbest,按式(6)執(zhí)行混沌搜索,產(chǎn)生0.5N個(gè)新粒子用于補(bǔ)充已淘汰的粒子。

    第6 步:應(yīng)用K 均值聚類算法對(duì)粒子位置進(jìn)行優(yōu)化。①根據(jù)每個(gè)粒子的位置編碼,按照最近鄰原則,來(lái)確定對(duì)應(yīng)于該粒子的聚類劃分;②利用K 均值較強(qiáng)的局部搜索能力,按照聚類劃分計(jì)算新的聚類中心,用于更新粒子位置。

    第7 步:若達(dá)到結(jié)束條件(足夠好的位置或最大迭代次數(shù)),則對(duì)應(yīng)此聚類數(shù)k的尋優(yōu)過(guò)程結(jié)束,并計(jì)算距離代價(jià)函數(shù)F(s,k),轉(zhuǎn)第8 步;否則,轉(zhuǎn)第3 步。

    3 算法驗(yàn)證

    為了測(cè)試本文提出的新算法對(duì)數(shù)據(jù)的分類性能,采用來(lái)自權(quán)威的UCI 數(shù)據(jù)庫(kù)的2 組數(shù)據(jù)集Iris和Glass 進(jìn)行試驗(yàn)[14],它們經(jīng)常被用來(lái)檢驗(yàn)聚類算法的有效性。Iris 數(shù)據(jù)集樣本的4 個(gè)特征分別表示Iris 數(shù)據(jù)的花瓣長(zhǎng)度、花瓣寬度、萼片長(zhǎng)度和萼片寬度,共3 類;Glass 數(shù)據(jù)集樣本含有9 個(gè)特征,分別代表玻璃碎片的折射率及如Na、Mg、Al 等8 種物質(zhì)的氧化物的百分含量,共6 類,每類包含樣本的數(shù)目相差較大。數(shù)據(jù)集詳細(xì)信息見(jiàn)表1。

    表1 數(shù)據(jù)集信息

    3.1 算法聚類準(zhǔn)確性評(píng)價(jià)

    采用常用的純度標(biāo)準(zhǔn)作為聚類結(jié)果的準(zhǔn)確性評(píng)價(jià)[8]。設(shè)類簇Ci的大小為ni,則該類簇的純度定義為:

    式(8)中,nij為類簇Ci與第j類交集的大小。整個(gè)聚類結(jié)果的純度Purity定義為:

    式(9)中,nij為類簇的數(shù)量。純度反映了聚類算法分類的準(zhǔn)確性,純度越高,聚類算法越準(zhǔn)確。

    粒子群優(yōu)化參數(shù)設(shè)置如下:粒子群種群規(guī)模N=30,學(xué)習(xí)因子c1= c2=2.05,慣性權(quán)重ωmax =0.9,ωmin =0.4,最大迭代次數(shù)t =50。運(yùn)行本文算法30 次,計(jì)算聚類結(jié)果純度的平均值,與其他聚類算法結(jié)果比較,見(jiàn)表2。

    表2 4 種算法聚類純度比較

    從表2 可看出,本文算法在兩個(gè)數(shù)據(jù)集上都取得了最高的聚類純度,其中,Iris 數(shù)據(jù)集的樣本數(shù)和類別數(shù)較少,粒子位置編碼的維數(shù)較低(12 維),聚類效果較好;Glass 數(shù)據(jù)集樣本數(shù)和類別數(shù)較多,粒子維數(shù)較高(54 維),算法尋優(yōu)難度增大,影響了聚類純度。

    4 種算法在Iris 和Glass 兩個(gè)數(shù)據(jù)集上進(jìn)行聚類的收斂過(guò)程分別如圖1 和圖2 所示。

    從圖1 和圖2 可看出:PSO 算法較快地陷入局部最優(yōu);K -means 算法和PSO -Kmeans 算法的全局搜索能力有所增強(qiáng),但仍易陷入局部最優(yōu);本文算法繼承了K - means 算法收斂快的優(yōu)點(diǎn),同時(shí)混沌操作的引入增強(qiáng)了算法全局尋優(yōu)能力,在迭代200—300 步時(shí),粒子仍然能跳出局部最優(yōu)點(diǎn)趨于全局最優(yōu),從而提高了算法的聚類性能。

    圖1 Iris 數(shù)據(jù)集的分類目標(biāo)函數(shù)收斂曲線

    圖2 Glass 數(shù)據(jù)集的分類目標(biāo)函數(shù)收斂曲線

    3.2 算法穩(wěn)定性評(píng)價(jià)

    采用30 次試驗(yàn)中目標(biāo)函數(shù)J的方差作為聚類算法的穩(wěn)定性評(píng)價(jià)。4 種算法在Iris 和Glass 兩個(gè)數(shù)據(jù)集上對(duì)樣本數(shù)據(jù)進(jìn)行聚類時(shí)的穩(wěn)定性結(jié)果見(jiàn)表3和表4。

    表3 Iris 數(shù)據(jù)集的聚類結(jié)果穩(wěn)定性比較

    表4 Glass 數(shù)據(jù)集的聚類結(jié)果穩(wěn)定性比較

    從表3 和表4 可看出,本文算法尋優(yōu)的最大值、最小值、均值和方差均優(yōu)于其他算法,說(shuō)明本文算法的尋優(yōu)能力和穩(wěn)定性較好,能有效避免早熟收斂和對(duì)初始值敏感的問(wèn)題。

    綜合以上分析可知,本文算法具有較高的聚類準(zhǔn)確性和穩(wěn)定性,能夠應(yīng)用于實(shí)際分類問(wèn)題。

    4 應(yīng)用混沌粒子群K - means 算法的人員分類訓(xùn)練

    4.1 數(shù)據(jù)描述

    現(xiàn)代戰(zhàn)場(chǎng)環(huán)境對(duì)參戰(zhàn)人員的體能提出了更新、更高的要求,《中國(guó)人民解放軍軍人體能標(biāo)準(zhǔn)》中要求的體能訓(xùn)練內(nèi)容包含速度、耐力、力量、柔韌、靈敏等方面,體能考核的主要項(xiàng)目包括:5 公里、單杠、100 米跑、立定跳遠(yuǎn)、50 米折返跑,通過(guò)以上5 項(xiàng)指標(biāo)可反映受訓(xùn)人員體能的綜合情況。仿真計(jì)算所用樣本數(shù)據(jù)為100 名受訓(xùn)人員的體能測(cè)試數(shù)據(jù),每個(gè)數(shù)據(jù)包括上述5 項(xiàng)考核指標(biāo),各項(xiàng)指標(biāo)測(cè)試成績(jī)見(jiàn)表5。

    表5 人員各項(xiàng)指標(biāo)測(cè)試成績(jī)(部分)

    4.2 數(shù)據(jù)預(yù)處理

    由于不同測(cè)試指標(biāo)采用不同的度量標(biāo)準(zhǔn),需對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理。采用極差預(yù)處理方式,將數(shù)據(jù)映射到[0,1]區(qū)間。為保證所有指標(biāo)標(biāo)準(zhǔn)化后方向上的一致性,對(duì)于成本型指標(biāo),如5 公里、100 米跑、50 米折返跑等,采用如下變換:

    由于不同測(cè)試指標(biāo)重要程度不同,對(duì)聚類結(jié)果的影響也不相同。通過(guò)咨詢專家意見(jiàn)并采用AHP法計(jì)算5 項(xiàng)指標(biāo)權(quán)重為ω =(0.298,0.276,0.163,0.118,0.145)。修正式(2)為加權(quán)歐式距離[8]:

    式(12)中,ωm為第m個(gè)指標(biāo)的權(quán)重。

    4.3 仿真計(jì)算

    應(yīng)用本文所提算法對(duì)處理后的100 名受訓(xùn)人員體能測(cè)試數(shù)據(jù)進(jìn)行聚類,算法參數(shù)設(shè)置同上文。通過(guò)計(jì)算距離代價(jià)函數(shù)值來(lái)確定最佳聚類數(shù)k,距離代價(jià)函數(shù)隨聚類數(shù)k的變化曲線如圖3 所示。

    圖3 距離代價(jià)函數(shù)隨k 變化曲線

    由圖3 可知,算法在聚類數(shù)為4 時(shí),距離代價(jià)函數(shù)最小,F(xiàn)(s,k)*=28.666,從而確定最佳聚類數(shù)為4。此時(shí),目標(biāo)函數(shù)收斂曲線如圖4 所示。

    圖4 目標(biāo)函數(shù)收斂曲線

    種群最優(yōu)粒子的位置編碼即為4 個(gè)聚類中心點(diǎn)cj,根據(jù)式(10)、(11)將cj還原為原始類型數(shù)據(jù),聚類結(jié)果見(jiàn)表6。

    由表6 可知,100 名受訓(xùn)人員被分成A、B、C、D四類,并得到各類別的人數(shù),并且各聚類中心點(diǎn)可反映對(duì)應(yīng)類別人員體能的總體情況。組訓(xùn)者可根據(jù)各類別人員的成績(jī)和人數(shù),制定針對(duì)性的訓(xùn)練計(jì)劃,以滿足不同類別人員的訓(xùn)練需求,解決了組訓(xùn)中訓(xùn)練量過(guò)大“吃不好”和訓(xùn)練量過(guò)小“吃不飽”之間的矛盾,并且可以針對(duì)短板強(qiáng)化訓(xùn)練,提高訓(xùn)練效率。

    表6 聚類結(jié)果

    4.4 算法對(duì)比實(shí)驗(yàn)

    為了對(duì)比分析本文算法與傳統(tǒng)四級(jí)制分類法,并且鑒于四級(jí)分類法通常只考慮單項(xiàng)運(yùn)動(dòng)成績(jī),因此僅以5 公里數(shù)據(jù)集為例進(jìn)行仿真實(shí)驗(yàn),四級(jí)分類法根據(jù)優(yōu)、良、合格、差的分界標(biāo)準(zhǔn)進(jìn)行分類劃分。兩種方法的分類結(jié)果見(jiàn)表7。

    表7 分類結(jié)果對(duì)比

    由表7 可知,本文算法比四級(jí)分類法具有更小的目標(biāo)函數(shù)J,即各樣本點(diǎn)與對(duì)應(yīng)聚類中心的距離值更小,因此分類效果更好。

    通過(guò)綜合分析,應(yīng)用本文算法對(duì)體能訓(xùn)練進(jìn)行分類具有以下優(yōu)點(diǎn):

    (1)通過(guò)本文算法將人員劃分為多個(gè)類別,可避免訓(xùn)練“一鍋煮”的問(wèn)題。

    (2)本文算法能夠充分利用數(shù)據(jù)信息,進(jìn)行多指標(biāo)綜合評(píng)價(jià)分類,并且各類別的分類標(biāo)準(zhǔn)是根據(jù)實(shí)際數(shù)據(jù)得出的,解決了傳統(tǒng)方法分類標(biāo)準(zhǔn)固化的問(wèn)題,避免分類標(biāo)準(zhǔn)的“一刀切”。

    (3)本文算法分類效果好,類內(nèi)的對(duì)象具有最大的相似性,類間的對(duì)象具有最大的相異性,解決了“分不清”的問(wèn)題。

    (4)應(yīng)用本文算法可得到受訓(xùn)人員的理論最佳分類數(shù),但同時(shí)可根據(jù)訓(xùn)練組織者的實(shí)際情況對(duì)分類數(shù)進(jìn)行隨機(jī)調(diào)整,當(dāng)組訓(xùn)人員充足時(shí)可適當(dāng)增加分類數(shù),當(dāng)組訓(xùn)人員缺乏時(shí)可適當(dāng)減小分類數(shù)。

    5 結(jié)束語(yǔ)

    針對(duì)人員訓(xùn)練過(guò)程中的分類問(wèn)題,本文提出一種混沌粒子群K 均值聚類算法,實(shí)驗(yàn)結(jié)果表明,與K-means 算法、粒子群聚類等算法相比,該算法具有更高的分類準(zhǔn)確性和穩(wěn)定性。采用本文算法對(duì)人員訓(xùn)練數(shù)據(jù)進(jìn)行聚類分析,充分挖掘數(shù)據(jù)信息,客觀合理地將受訓(xùn)人員進(jìn)行分類,對(duì)不同類別人員制訂不同的訓(xùn)練計(jì)劃,與傳統(tǒng)分類方法相比具有分類效果好、分類標(biāo)準(zhǔn)靈活等多個(gè)優(yōu)點(diǎn)。提高訓(xùn)練的數(shù)據(jù)意識(shí)和量化觀念對(duì)提高訓(xùn)練科學(xué)化水平至關(guān)重要,本文的量化分類方法能夠?yàn)榭茖W(xué)化組訓(xùn)提供一定的決策支持。該方法具有一定的通用性,可用于其他類似軍事訓(xùn)練問(wèn)題,例如裝備操作訓(xùn)練、軍事技能訓(xùn)練等。

    [1] 李忠,李鐵鋼,李益,等. 軍事體訓(xùn)練問(wèn)題分析及對(duì)策思考[J].高等教育研究學(xué)報(bào),2012,35(2):24 -26.

    [2] 陳應(yīng)表.美俄軍隊(duì)體能訓(xùn)練及啟示[J]. 軍事體育學(xué)報(bào),2013,32(3):23 -26.

    [3] 黃為根.中美軍體能訓(xùn)練評(píng)價(jià)的對(duì)比研究[J].軍事體育進(jìn)修學(xué)院學(xué)報(bào),2012,31(2):75 -77.

    [4] 彭勇.基于灰色馬爾科夫理論的體能訓(xùn)練效果預(yù)測(cè)與評(píng)價(jià)模型[J].軍事運(yùn)籌與系統(tǒng)工程,2013,27(3):59 -61.

    [5] 陶新民,徐晶,楊立標(biāo),等. 一種改進(jìn)的粒子群和K 均值混合聚類算法[J].電子與信息學(xué)報(bào),2010,32(1):92 -97.

    [6] VAN DER MENWE D W,ENGELBRECHT A P. Data clustering using particle swarm optimization[C]// Proceedings of Evolutionary Computation. Piscataway:IEEE Press,2003.

    [7] 劉靖明,韓麗川,侯立文.基于粒子群的K 均值聚類算法[J].系統(tǒng)工程理論與實(shí)踐,2005,22(6):54 -58.

    [8] 王縱虎,劉志鏡,陳東輝.兩階段混合粒子群優(yōu)化聚類[J].西南交通大學(xué)學(xué)報(bào),2012,47(6):1034 -1040.

    [9] LIU RUOCHEN,CHEN YANGYANG,JIAO LICHENG,et al.A particle swarm optimization based simultaneous learning framework for clustering and classification[J]. Pattern Recognition,2014,47(6):2143 -2152.

    [10] KENNEDY J,EBERHART R C. Particle swarm optimization[C]// Proceedings of the IEEE International Conference on Neural Networks. Piscataway:IEEE Press,1995.

    [11] 李軍偉,程詠梅,陳克喆,等. 基于AIWCPSO 算法的三次樣條氣動(dòng)參數(shù)插值方法[J]. 控制與決策,2014,29(1):129 -134.

    [12] LIU BO,WANG LING,JIN YIHUI,et al. Improved particle swarm optimization combined with chaos[J]. Chaos,Solitons and Fractals,2005,25(5):1261 -1271.

    [13] 楊善林,李永森,胡笑旋,等.K-means 算法中的k 值優(yōu)化問(wèn)題研究[J].系統(tǒng)工程理論與實(shí)踐,2006,23(2):97 -101.

    [14] UC Irvine. UCI Machine Learning Repository[EB/OL]. [2015-01 -06]. http://archive.ics.uci.edu/ml/datasets/

    猜你喜歡
    體能訓(xùn)練聚類粒子
    消防員體能訓(xùn)練與應(yīng)用
    今日消防(2022年2期)2022-04-15 21:47:15
    青少年運(yùn)動(dòng)員體能訓(xùn)練的方法
    基于粒子群優(yōu)化的橋式起重機(jī)模糊PID控制
    基于粒子群優(yōu)化極點(diǎn)配置的空燃比輸出反饋控制
    基于DBSACN聚類算法的XML文檔聚類
    對(duì)體能訓(xùn)練認(rèn)識(shí)的理性回歸
    基于改進(jìn)的遺傳算法的模糊聚類算法
    一種層次初始的聚類個(gè)數(shù)自適應(yīng)的聚類方法研究
    新兵體能訓(xùn)練的傷病防護(hù)
    自適應(yīng)確定K-means算法的聚類數(shù):以遙感圖像聚類為例
    欧美中文综合在线视频| 老司机午夜十八禁免费视频| 免费高清视频大片| 伊人久久大香线蕉亚洲五| 国产成人欧美| 亚洲一区二区三区不卡视频| 午夜久久久久精精品| 国产v大片淫在线免费观看| 欧美成狂野欧美在线观看| 男女之事视频高清在线观看| 国产一区二区三区在线臀色熟女| 午夜福利欧美成人| 亚洲真实伦在线观看| 日韩中文字幕欧美一区二区| av电影中文网址| 国产亚洲精品综合一区在线观看 | 韩国精品一区二区三区| 曰老女人黄片| 黑人操中国人逼视频| 欧美久久黑人一区二区| 精品欧美一区二区三区在线| 非洲黑人性xxxx精品又粗又长| 后天国语完整版免费观看| 老鸭窝网址在线观看| 听说在线观看完整版免费高清| 免费电影在线观看免费观看| 男女下面进入的视频免费午夜 | 亚洲熟妇熟女久久| 亚洲熟妇中文字幕五十中出| 免费电影在线观看免费观看| 精品国产一区二区三区四区第35| 男女午夜视频在线观看| 老熟妇仑乱视频hdxx| 久久婷婷成人综合色麻豆| 女同久久另类99精品国产91| 老司机靠b影院| 亚洲人成网站在线播放欧美日韩| 亚洲av成人一区二区三| 美女扒开内裤让男人捅视频| 人人妻人人澡人人看| 亚洲人成77777在线视频| 中文字幕人妻丝袜一区二区| 18禁国产床啪视频网站| 亚洲国产毛片av蜜桃av| 午夜免费成人在线视频| 亚洲全国av大片| 国产高清视频在线播放一区| 亚洲国产高清在线一区二区三 | 日本免费一区二区三区高清不卡| 亚洲成人久久性| 999久久久精品免费观看国产| 成人特级黄色片久久久久久久| 国产视频一区二区在线看| 老司机靠b影院| 99久久久亚洲精品蜜臀av| 身体一侧抽搐| 精品电影一区二区在线| 在线观看www视频免费| 日韩免费av在线播放| 波多野结衣高清无吗| 成人国产一区最新在线观看| 国产三级在线视频| 2021天堂中文幕一二区在线观 | 亚洲人成伊人成综合网2020| 中文字幕精品亚洲无线码一区 | 日日夜夜操网爽| 麻豆一二三区av精品| 日日夜夜操网爽| 精品久久久久久久人妻蜜臀av| 美国免费a级毛片| 亚洲午夜理论影院| 无限看片的www在线观看| 日本熟妇午夜| 亚洲午夜精品一区,二区,三区| 成人永久免费在线观看视频| 国产伦在线观看视频一区| 欧美国产精品va在线观看不卡| 老熟妇乱子伦视频在线观看| 亚洲欧美精品综合一区二区三区| 国产精品1区2区在线观看.| 国产午夜福利久久久久久| 18禁观看日本| 午夜福利18| 久久婷婷人人爽人人干人人爱| 久久中文看片网| 变态另类丝袜制服| 免费高清在线观看日韩| 欧美日韩亚洲综合一区二区三区_| а√天堂www在线а√下载| 精品久久久久久久末码| 91国产中文字幕| 最近最新免费中文字幕在线| 久久欧美精品欧美久久欧美| 国产野战对白在线观看| 99国产极品粉嫩在线观看| 丁香欧美五月| 午夜福利欧美成人| 88av欧美| 国产精品爽爽va在线观看网站 | 免费在线观看成人毛片| 国产精品亚洲av一区麻豆| 99久久综合精品五月天人人| 久久午夜综合久久蜜桃| 欧美最黄视频在线播放免费| 日日爽夜夜爽网站| 中文字幕高清在线视频| 一本综合久久免费| 变态另类成人亚洲欧美熟女| 悠悠久久av| 国产男靠女视频免费网站| 亚洲成人精品中文字幕电影| 午夜福利欧美成人| 久久久久久久久久黄片| 精品乱码久久久久久99久播| 亚洲av成人av| 亚洲狠狠婷婷综合久久图片| 午夜亚洲福利在线播放| 视频在线观看一区二区三区| 真人一进一出gif抽搐免费| 无人区码免费观看不卡| 精品日产1卡2卡| 天堂影院成人在线观看| 成人一区二区视频在线观看| 91九色精品人成在线观看| 久久久久国产精品人妻aⅴ院| 在线观看免费视频日本深夜| 精品一区二区三区视频在线观看免费| 神马国产精品三级电影在线观看 | 国产99白浆流出| 日韩免费av在线播放| 久久人人精品亚洲av| 亚洲片人在线观看| 免费高清视频大片| 中文字幕人妻丝袜一区二区| 欧美日韩亚洲综合一区二区三区_| 亚洲精品久久国产高清桃花| 亚洲一卡2卡3卡4卡5卡精品中文| 女人被狂操c到高潮| 精品久久久久久久久久久久久 | 国内少妇人妻偷人精品xxx网站 | 国产久久久一区二区三区| 日韩大尺度精品在线看网址| av电影中文网址| 久久国产精品影院| 久久精品人妻少妇| 99re在线观看精品视频| 美女高潮喷水抽搐中文字幕| 国产精品自产拍在线观看55亚洲| 久久精品91无色码中文字幕| 99riav亚洲国产免费| 亚洲色图 男人天堂 中文字幕| 老司机午夜十八禁免费视频| 亚洲男人的天堂狠狠| 国内久久婷婷六月综合欲色啪| 亚洲欧美日韩高清在线视频| 亚洲午夜理论影院| 日韩精品中文字幕看吧| 黄色 视频免费看| 国产一区在线观看成人免费| 国产欧美日韩精品亚洲av| 中文字幕另类日韩欧美亚洲嫩草| www.www免费av| 在线看三级毛片| 观看免费一级毛片| 欧美乱色亚洲激情| 亚洲熟女毛片儿| 亚洲美女黄片视频| 欧美黄色片欧美黄色片| 国产精品一区二区三区四区久久 | 中文字幕精品亚洲无线码一区 | 亚洲av五月六月丁香网| 国产一区二区三区视频了| 美女大奶头视频| 日本精品一区二区三区蜜桃| 欧美日韩亚洲综合一区二区三区_| 成人手机av| 亚洲av电影不卡..在线观看| 国内精品久久久久精免费| 一本大道久久a久久精品| 精品国产超薄肉色丝袜足j| 亚洲专区中文字幕在线| 91成人精品电影| 88av欧美| 18禁美女被吸乳视频| 香蕉国产在线看| 久久久国产成人精品二区| 夜夜躁狠狠躁天天躁| 亚洲国产日韩欧美精品在线观看 | 午夜精品久久久久久毛片777| 欧美成狂野欧美在线观看| 成人手机av| 国产日本99.免费观看| 国产aⅴ精品一区二区三区波| 在线十欧美十亚洲十日本专区| 少妇粗大呻吟视频| 免费电影在线观看免费观看| 欧美日韩亚洲综合一区二区三区_| 久久天躁狠狠躁夜夜2o2o| 大香蕉久久成人网| 少妇的丰满在线观看| 久久久久精品国产欧美久久久| 欧美最黄视频在线播放免费| 亚洲国产欧美网| 999精品在线视频| 精华霜和精华液先用哪个| 两个人免费观看高清视频| 19禁男女啪啪无遮挡网站| 亚洲aⅴ乱码一区二区在线播放 | 视频在线观看一区二区三区| 国产精品美女特级片免费视频播放器 | 啦啦啦 在线观看视频| 欧美在线一区亚洲| 久久久精品国产亚洲av高清涩受| 制服人妻中文乱码| www日本在线高清视频| 天天躁夜夜躁狠狠躁躁| 99热只有精品国产| 母亲3免费完整高清在线观看| 免费在线观看亚洲国产| 淫妇啪啪啪对白视频| 国产精品98久久久久久宅男小说| 久久国产乱子伦精品免费另类| 国产精品一区二区三区四区久久 | 精品无人区乱码1区二区| 欧美一级a爱片免费观看看 | 成人国产综合亚洲| 99久久久亚洲精品蜜臀av| 久久精品影院6| 欧美成人性av电影在线观看| 欧美成人一区二区免费高清观看 | 妹子高潮喷水视频| 国产在线观看jvid| 长腿黑丝高跟| 欧美黑人巨大hd| 久久久精品国产亚洲av高清涩受| 亚洲欧洲精品一区二区精品久久久| 老司机在亚洲福利影院| 男女午夜视频在线观看| 国产精品九九99| 真人一进一出gif抽搐免费| 一卡2卡三卡四卡精品乱码亚洲| 脱女人内裤的视频| 国产精品亚洲一级av第二区| 2021天堂中文幕一二区在线观 | 正在播放国产对白刺激| 99国产精品一区二区三区| 日韩欧美国产一区二区入口| 哪里可以看免费的av片| 国产精品久久久久久人妻精品电影| 亚洲免费av在线视频| 亚洲中文日韩欧美视频| 身体一侧抽搐| 久久中文看片网| 99国产精品一区二区蜜桃av| 亚洲一区高清亚洲精品| 久久久久久久久中文| 12—13女人毛片做爰片一| АⅤ资源中文在线天堂| 18禁裸乳无遮挡免费网站照片 | 一本综合久久免费| ponron亚洲| 深夜精品福利| 欧美激情高清一区二区三区| 在线观看免费午夜福利视频| 精品国内亚洲2022精品成人| 亚洲 欧美 日韩 在线 免费| 少妇被粗大的猛进出69影院| 极品教师在线免费播放| 三级毛片av免费| 亚洲国产日韩欧美精品在线观看 | 久久国产精品男人的天堂亚洲| a级毛片a级免费在线| 后天国语完整版免费观看| 久久国产精品人妻蜜桃| 老熟妇乱子伦视频在线观看| 久热这里只有精品99| 69av精品久久久久久| 亚洲欧美精品综合久久99| 欧美精品啪啪一区二区三区| 欧美av亚洲av综合av国产av| 91av网站免费观看| 两人在一起打扑克的视频| 91九色精品人成在线观看| 波多野结衣高清无吗| 成人免费观看视频高清| 中文字幕精品亚洲无线码一区 | 国产精品久久久久久亚洲av鲁大| 视频区欧美日本亚洲| 一进一出抽搐动态| 成人欧美大片| 成人国产一区最新在线观看| 亚洲av日韩精品久久久久久密| 99久久国产精品久久久| 中文字幕高清在线视频| 精品人妻1区二区| 露出奶头的视频| 美女扒开内裤让男人捅视频| 国产日本99.免费观看| 亚洲一区高清亚洲精品| 老司机深夜福利视频在线观看| 欧美黑人精品巨大| 久久久久九九精品影院| 夜夜躁狠狠躁天天躁| 自线自在国产av| 99国产精品一区二区蜜桃av| 亚洲天堂国产精品一区在线| 侵犯人妻中文字幕一二三四区| 日韩欧美三级三区| 18禁黄网站禁片午夜丰满| 欧美日本视频| 国产又爽黄色视频| 久久久久九九精品影院| 黄色毛片三级朝国网站| 亚洲精品一区av在线观看| 免费看美女性在线毛片视频| 午夜久久久在线观看| 中文亚洲av片在线观看爽| 国产精品二区激情视频| 国产真实乱freesex| 成人精品一区二区免费| 97碰自拍视频| 99国产精品一区二区蜜桃av| 人人澡人人妻人| 免费在线观看影片大全网站| 淫秽高清视频在线观看| 国产视频内射| 亚洲最大成人中文| 宅男免费午夜| 国产真实乱freesex| 看黄色毛片网站| 亚洲国产精品sss在线观看| 亚洲精华国产精华精| 淫妇啪啪啪对白视频| 国产精品影院久久| 亚洲aⅴ乱码一区二区在线播放 | 国产精品久久电影中文字幕| 国产v大片淫在线免费观看| 国产精品1区2区在线观看.| 亚洲精品美女久久av网站| e午夜精品久久久久久久| 欧美国产精品va在线观看不卡| 在线永久观看黄色视频| 真人一进一出gif抽搐免费| 国产精品亚洲美女久久久| 亚洲自拍偷在线| 欧美性猛交黑人性爽| 色播亚洲综合网| 亚洲五月婷婷丁香| 老鸭窝网址在线观看| 亚洲精品色激情综合| 国产爱豆传媒在线观看 | www国产在线视频色| 国产99久久九九免费精品| 久久久久久九九精品二区国产 | 一二三四社区在线视频社区8| 国产成人一区二区三区免费视频网站| 日日爽夜夜爽网站| 日韩精品青青久久久久久| 国产亚洲精品久久久久5区| 欧洲精品卡2卡3卡4卡5卡区| 国产精品98久久久久久宅男小说| 日韩欧美一区二区三区在线观看| 最近在线观看免费完整版| 精品卡一卡二卡四卡免费| 无遮挡黄片免费观看| 国产精品 国内视频| 免费观看精品视频网站| 人人妻人人澡欧美一区二区| 欧美zozozo另类| 色av中文字幕| 妹子高潮喷水视频| 免费高清视频大片| 国产亚洲欧美98| 色老头精品视频在线观看| 在线永久观看黄色视频| 操出白浆在线播放| 又黄又爽又免费观看的视频| 变态另类丝袜制服| 在线av久久热| 久久国产精品影院| 露出奶头的视频| 日韩欧美国产在线观看| 男女午夜视频在线观看| 这个男人来自地球电影免费观看| 免费一级毛片在线播放高清视频| 午夜福利欧美成人| 亚洲成人久久爱视频| 国产黄片美女视频| 一个人免费在线观看的高清视频| 国产片内射在线| 黑人巨大精品欧美一区二区mp4| or卡值多少钱| 国产久久久一区二区三区| 此物有八面人人有两片| 免费看十八禁软件| 久久精品国产综合久久久| 香蕉av资源在线| 亚洲成a人片在线一区二区| 精品少妇一区二区三区视频日本电影| 国产亚洲欧美在线一区二区| 国产激情久久老熟女| 大型黄色视频在线免费观看| 精品久久久久久久末码| 成人永久免费在线观看视频| 亚洲熟妇中文字幕五十中出| 色av中文字幕| 伊人久久大香线蕉亚洲五| 欧美成人一区二区免费高清观看 | 免费人成视频x8x8入口观看| 久久 成人 亚洲| 男女下面进入的视频免费午夜 | 国产成人精品久久二区二区免费| 亚洲精品久久成人aⅴ小说| 一进一出抽搐动态| 少妇熟女aⅴ在线视频| 免费高清视频大片| 成熟少妇高潮喷水视频| 亚洲 欧美 日韩 在线 免费| 国产真人三级小视频在线观看| x7x7x7水蜜桃| 午夜免费观看网址| 黑人巨大精品欧美一区二区mp4| 波多野结衣高清无吗| 香蕉av资源在线| 久久久国产成人免费| 最近最新中文字幕大全电影3 | 亚洲天堂国产精品一区在线| 色综合婷婷激情| 一边摸一边做爽爽视频免费| 丁香欧美五月| 久久久精品国产亚洲av高清涩受| 亚洲欧美日韩高清在线视频| 欧美最黄视频在线播放免费| 欧美日本视频| 欧美亚洲日本最大视频资源| 精品久久久久久,| 两个人免费观看高清视频| 亚洲精品久久国产高清桃花| 免费电影在线观看免费观看| a级毛片a级免费在线| 99精品久久久久人妻精品| 日本三级黄在线观看| 免费无遮挡裸体视频| 久久精品91蜜桃| 男人舔女人的私密视频| 黄片小视频在线播放| 成在线人永久免费视频| 中文字幕精品亚洲无线码一区 | 男女视频在线观看网站免费 | 亚洲,欧美精品.| 久久精品影院6| 天天添夜夜摸| 亚洲五月婷婷丁香| 精品无人区乱码1区二区| 亚洲男人的天堂狠狠| 91在线观看av| 天天躁夜夜躁狠狠躁躁| 丁香欧美五月| 亚洲自拍偷在线| 精品国产乱码久久久久久男人| 老司机午夜十八禁免费视频| 在线国产一区二区在线| 精品乱码久久久久久99久播| 美女扒开内裤让男人捅视频| avwww免费| 日本三级黄在线观看| 波多野结衣高清无吗| xxxwww97欧美| 亚洲精品在线观看二区| 老司机午夜十八禁免费视频| 天天躁夜夜躁狠狠躁躁| 欧美色欧美亚洲另类二区| 亚洲一区二区三区色噜噜| 精品久久久久久久毛片微露脸| 脱女人内裤的视频| 淫秽高清视频在线观看| 国产激情欧美一区二区| 女性生殖器流出的白浆| 脱女人内裤的视频| 精品久久久久久久毛片微露脸| 欧美一级a爱片免费观看看 | 亚洲五月天丁香| 中文字幕精品亚洲无线码一区 | 久久青草综合色| 亚洲国产欧美日韩在线播放| 亚洲熟妇熟女久久| 国产成人av教育| 又黄又爽又免费观看的视频| 久久精品夜夜夜夜夜久久蜜豆 | 亚洲一卡2卡3卡4卡5卡精品中文| 国产成人啪精品午夜网站| 亚洲精品国产区一区二| 日韩三级视频一区二区三区| 校园春色视频在线观看| 亚洲av五月六月丁香网| 欧美激情 高清一区二区三区| 精品久久久久久久末码| 99久久99久久久精品蜜桃| 在线视频色国产色| 18禁裸乳无遮挡免费网站照片 | 欧美日韩一级在线毛片| 国产免费男女视频| 一区二区三区高清视频在线| 这个男人来自地球电影免费观看| 欧美乱色亚洲激情| 国产精品一区二区三区四区久久 | 99国产精品一区二区蜜桃av| 1024手机看黄色片| 九色国产91popny在线| 久久久久久人人人人人| 欧美激情 高清一区二区三区| 久久精品91无色码中文字幕| 国产精品电影一区二区三区| 草草在线视频免费看| 丝袜美腿诱惑在线| 中文字幕精品亚洲无线码一区 | 免费一级毛片在线播放高清视频| 国内少妇人妻偷人精品xxx网站 | 99久久精品国产亚洲精品| 亚洲精品一卡2卡三卡4卡5卡| 国产野战对白在线观看| 欧美日韩亚洲综合一区二区三区_| 精品一区二区三区av网在线观看| 久热爱精品视频在线9| 在线免费观看的www视频| 久久午夜亚洲精品久久| 成人永久免费在线观看视频| 亚洲精品一区av在线观看| 国产精品久久久人人做人人爽| 久久久精品国产亚洲av高清涩受| 中文字幕精品免费在线观看视频| 久久99热这里只有精品18| 十八禁人妻一区二区| 亚洲欧洲精品一区二区精品久久久| 免费无遮挡裸体视频| 午夜福利18| 两个人视频免费观看高清| 正在播放国产对白刺激| 亚洲中文字幕一区二区三区有码在线看 | 最新美女视频免费是黄的| 午夜福利在线在线| 久久天躁狠狠躁夜夜2o2o| 国产激情欧美一区二区| 亚洲久久久国产精品| 在线看三级毛片| 久久精品91蜜桃| 久久久国产欧美日韩av| 日韩大码丰满熟妇| 一本综合久久免费| 亚洲激情在线av| 午夜福利视频1000在线观看| 精品国内亚洲2022精品成人| 男女那种视频在线观看| 欧美性长视频在线观看| 国产爱豆传媒在线观看 | 白带黄色成豆腐渣| av有码第一页| 亚洲天堂国产精品一区在线| 亚洲三区欧美一区| 极品教师在线免费播放| 最近最新中文字幕大全电影3 | 亚洲精品美女久久久久99蜜臀| 午夜激情福利司机影院| 国产精品亚洲一级av第二区| 视频区欧美日本亚洲| 国产伦在线观看视频一区| 一进一出好大好爽视频| 亚洲一区高清亚洲精品| 欧洲精品卡2卡3卡4卡5卡区| 欧美色欧美亚洲另类二区| 亚洲欧美日韩高清在线视频| 亚洲国产看品久久| 男人的好看免费观看在线视频 | 欧美成人性av电影在线观看| 国产精品永久免费网站| 一a级毛片在线观看| 麻豆国产av国片精品| 亚洲三区欧美一区| 欧美成人性av电影在线观看| 国产精品综合久久久久久久免费| 夜夜夜夜夜久久久久| 美女高潮喷水抽搐中文字幕| 成人精品一区二区免费| 欧美黄色片欧美黄色片| 国产伦在线观看视频一区| av超薄肉色丝袜交足视频| 97碰自拍视频| 少妇的丰满在线观看| 波多野结衣高清作品| 中文资源天堂在线| 中亚洲国语对白在线视频| 国产午夜福利久久久久久| 校园春色视频在线观看| 草草在线视频免费看| 久久久久免费精品人妻一区二区 | 精品国产乱子伦一区二区三区| 性色av乱码一区二区三区2| av免费在线观看网站| 成人手机av| 日韩精品免费视频一区二区三区| 国产精品一区二区免费欧美| 两个人视频免费观看高清| 麻豆一二三区av精品| 亚洲欧美一区二区三区黑人| ponron亚洲| 亚洲av电影不卡..在线观看| 在线天堂中文资源库| 麻豆一二三区av精品| 在线观看免费日韩欧美大片| 欧美一区二区精品小视频在线| 18禁裸乳无遮挡免费网站照片 | 久久天躁狠狠躁夜夜2o2o| 好看av亚洲va欧美ⅴa在| 欧美日韩中文字幕国产精品一区二区三区| 美女扒开内裤让男人捅视频|