论文发表,代写代发论文

　　
　　6)算法收敛。?
　　循环蚂蚁的整理行为，当算法收敛时，蚂蚁选出的灾害数据会被一直放回到原组，灾害聚类结果不再发生变化。此时根据各组聚类中心的大小顺序把各组数据依次划分为“轻灾、中灾、重灾、特重灾”。?
　　?
　　
　　1.4 蚁群聚类算法实现?
　　为了方便理解算法的实现流程，列出了蚂蚁的数据结构及算法流程伪代码。
　　定义蚂蚁的数据结构如下：
　　
　　2 实例分析?
　　为了验证本文算法的性能，使用了神经网络和模糊聚类算法进行对比，测试数据来源于依托基金项目所建设的历史灾害数据库，并请来3位历史灾害专家对其中随机抽取的500条明代旱灾记录进行了人工评级，一方面用来判断本文算法的准确率;一方面用来作为进行性能比较的神经网络算法的训练及测试集。?
　　为了更好地实现对比，根据3位专家的评级结果分别训练了3个神经网络，并用每个神经网络分别对3位专家的评级结果进行了测试。实验结果如表1所示。利用与专家分级结果的匹配率来作为历史灾害分级准确率的参考，可以看到模糊聚类算法表现较差，各个神经网络则与各自所对应专家的评级结果匹配率很高，但是与非对应专家的评级结果匹配率则明显降低，这一方面反映出了神经网络对训练集的依赖性；另一方面体现出了专家评级的主观任意性。而蚁群聚类算法则表现出了比较稳定的性能，参考与专家匹配率可以认为具备了不错的准确率。各算法的运算效率比较如图1所示，可以看到蚁群聚类算法收敛很快，而神经网络算法则明显需要经过较高次数的训练，蚁群聚类算法的高时效性对于大样本量的历史灾害分级是非常关键的优势。?
 

(责任编辑：南粤论文中心)