遗传聚类在纸浆材分类中的应用开题报告

1. 研究目的与意义

遗传算法是模拟生物进化过程的计算模型，是自然遗传学和计算机相互结合，相互适应而形成的一种自组织，自适应的综合技术，广泛应用于计算机科学，社会科学，和工程技术等领域成为一个多学科多领域的重要研究方向。

研究基于遗传算法的聚类方法，采用了k-均值的基本思想，所不同的是它使用遗传算法而不是一般的迭代来进行聚类划分的优化。

基于遗传算法的聚类方法的优点是不需要关于待分类数据的先验分布知识，也不会受初始解选择的影响而得到次优解。

2. 国内外研究现状分析

遗传算法的研究主要集中在以下几个方面：优化搜索方法的研究，进化算法，分步并行遗传算法，基础理论，人工生命与遗传算法的研究，遗传神经网络等。

目前人们研究聚类的方法大致可以分为以下几类：1，基于划分的方法；2，基于层次的方法；3，基于密度的方法；4，基于网格的方法；5，基于模型的方法。

聚类是一个富于挑战性的研究领域，它的研究工作集中在为大型数据库的实际和有效的聚类分析寻求适当的方法。研究方法包括：

3. 研究的基本内容与计划

1、研究内容

遗传算法（genetic algorithm）是一类借鉴生物界的进化规律演化而来的随机化搜索方法。借助基于遗传算法的聚类分析方法解决纸浆在分类过程中遇到的问题，使纸浆分类得到最优化处理。

2、安排

4. 研究创新点

基于遗传算法的聚类方法，这种方法采用了k-均值的基本思想，所不同的是它使用遗传算法而不是一般的迭代来进行聚类划分的优化。基于遗传算法的聚类方法的优点是不需要关于待分类数据的先验分布知识，也不会受初始解选择的影响而得到次优解。