基于群智能SOM算法的特征造型搜索技术

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (13): 1-3.

基于群智能SOM算法的特征造型搜索技术

李峰，孙立镌

哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-01 发布日期:2011-05-01

Searching technology for feature module based on self-organizing clustering

LI Feng，SUN Lijuan

Computer Science & Technology College，Harbin University of Science and Technology，Harbin 150080，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 为解决语义特征化后复杂造型协同设计中造型共享库中的造型检索问题，提出了一种基于群智能自组织聚类算法。该算法首先将语义特征造型信息向量化，通过语义造型特征树得到语义特征造型特征集，以蚁群算法做为自组织准则，并以粒子群算法做为蚁群移动模型，将特征语义群分布在一个平面上进行聚类，递归收集聚类结果。试验证明，采用此种方法，可以对特征造型完成准确率很高的聚类，使特征库组织性得到了很大提高。

关键词: 特征语义造型, 自组织聚类, 蚁群算法, 粒子群

Abstract: To solve the problem of searching complex feature model in the shared module library for collaborative design，this paper proposes a self-organizing clustering algorithm to re-arrange the structure of modules.Firstly，the module tree information is converted to vector represented.Then ant colony is used as the rule of self-organizing，and particle swarm optimization algorithm is used to calculate the next position.Finally，the objects are clustered and the result is collected by a recursive algorithm.After the self-organizing cluster，the structure of module library becomes better arranged.

Key words: feature model, self-organizing clustering, ant colony, particle swarm

李峰，孙立镌. 基于群智能SOM算法的特征造型搜索技术[J]. 计算机工程与应用, 2011, 47(13): 1-3.

LI Feng，SUN Lijuan. Searching technology for feature module based on self-organizing clustering[J]. Computer Engineering and Applications, 2011, 47(13): 1-3.

[1]	孙泽宇，徐琛，苏艳超，李传锋，聂雅琳. 雾计算中跨层感知分簇路由协议[J]. 计算机工程与应用, 2021, 57(9): 109-117.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	张松灿，普杰信，司彦娜，孙力帆. 基于种群相似度的自适应改进蚁群算法及应用[J]. 计算机工程与应用, 2021, 57(8): 70-77.
[4]	李静星，杨有龙. 针对高维数据的马尔科夫毯特征选择[J]. 计算机工程与应用, 2021, 57(6): 58-66.
[5]	卜冠南，刘建华，姜磊，张冬阳. 一种自适应分组的蚁群算法[J]. 计算机工程与应用, 2021, 57(6): 67-73.
[6]	朱佳莹，高茂庭. 融合粒子群与改进蚁群算法的AUV路径规划算法[J]. 计算机工程与应用, 2021, 57(6): 267-273.
[7]	马向华，张谦. 改进蚁群算法在机器人路径规划上的研究[J]. 计算机工程与应用, 2021, 57(5): 210-215.
[8]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[9]	王嘉月，史立. 考虑电池损耗的电动冷藏车路径及充电策略[J]. 计算机工程与应用, 2021, 57(24): 283-289.
[10]	李壮阔，常凯旋. 合作博弈的连续蚁群算法求解[J]. 计算机工程与应用, 2021, 57(24): 198-204.
[11]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[12]	杜守信，毋涛. 双种群混合遗传算法的裁剪分床应用研究[J]. 计算机工程与应用, 2021, 57(22): 182-189.
[13]	林炜星，王宇嘉，陈万芬，梁海娜. 基于多因子粒子群的高维数据特征选择算法[J]. 计算机工程与应用, 2021, 57(22): 199-207.
[14]	王晓光，杨培蓓. 航运物流企业数字化转型设计与效果分析[J]. 计算机工程与应用, 2021, 57(21): 241-247.
[15]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.