导读:本文包含了路径聚类论文开题报告文献综述及选题提纲参考文献，主要关键词:生鲜农产品,配送,VRP,VRPTW
路径聚类论文文献综述
王有鸿[1]（2018）在《基于遗传算法的生鲜农产品物流配送路径聚类优化》一文中研究指出在居民对饮食品质要求逐步提升的今天,优化生鲜农产品物流配送线路可节约成本,提升相关企业经营效率。首先研究生鲜农产品配送线路优化模型,给出车辆路径问题(vehicle routing problem,简称VRP)和有时间窗车辆路径问题(vehicle routing problems with time windows,简称VRPTW)模式,进而完成生鲜农产品物流配送路径的遗传算法聚类优化设计,给出遗传算法聚类优化实现步骤。采用Matlab完成试验设计,研究生鲜农产品运输外部相似性,分析物流配送聚类结果以及组内路径求取结果,并进行性能测试。结果表明,本方法能够科学配置物流线路,阶跃生鲜运输车辆数目并提高满载率。(本文来源于《江苏农业科学》期刊2018年12期）
黄小红[2]（2017）在《基于路径聚类分析的代码缺陷定位研究》一文中研究指出基于路径分析的代码缺陷定位所使用的方法通常分为两类:基于路径轨迹相似性分析的方法和基于路径元素信息统计的方法。通过理论分析以及实际环境中的应用,发现两类方法有以下不足:冗余路径的存在降低了整体定位效率;源代码一般包含了大量对定位没有意义的谓词和语句,对这些无意义元素的统计不仅耗时耗力,而且会影响定位效率和精度。因此,提出基于路径聚类分析的模糊聚类算法Pbtc。实验结果表明,该方法在一定程度上能够提高代码缺陷定位的效率和精度。(本文来源于《软件导刊》期刊2017年03期）
张国平,黄淼,马丽,赵桂钦[3]（2015）在《路径聚类融合USTU的自适应多通道生物特征识别研究》一文中研究指出针对当前生物特征识别系统中没有对模板进行定时更新的问题,提出了一种生物特征识别系统中的模板更新方法。首先描述了自升级和共升级算法;然后利用基于路径聚类的方法完成自更新和共更新性能的理论分析;最后提出了路径聚类融合非监督模板更新算法。在大型DIEE多模式数据集平台上的实验结果表明,该方法能够对生物识别系统中的模板进行有效更新,此外,通过仿真模型表明,共更新的性能优于自更新的性能。(本文来源于《计算机应用研究》期刊2015年07期）
王平[4]（2014）在《基于网格环境下医疗信息服务运作——患者访问医疗服务信息资源兴趣的路径聚类研究》一文中研究指出随着智能医疗服务运作模式的网络化,医疗服务资源、服务能力和服务需求呈现明显的跨时空分布特性。路径聚类方法,着重考虑了患者对医疗信息服务站点的访问路径所反映出来的兴趣,可以帮助医疗服务机构根据分析结果来改进医疗信息服务站点的结构和内容。在网格环境下,医疗信息服务运作机构可以通过关注服务需求者或患者访问路径、访问某个页面的时间、在此页面的驻留时间以及由哪个链接到此页面的URL等信息,利用聚类技术将具有相同兴趣的患者分类,方便医疗服务信息的攫取。(本文来源于《中国农村卫生事业管理》期刊2014年05期）
姚艳玲[5]（2013）在《基于执行路径聚类的程序错误定位方法研究》一文中研究指出软件作为计算机的灵魂一旦发生故障,就会影响正常工作,可能造成巨大损失,甚至威胁人们的生命财产安全。程序错误是导致软件故障的主要原因,自动、快速、准确地定位到程序错误可以有效地提高软件可靠性。近年来,程序错误定位技术取得了很大的成果,其中基于测试的错误定位技术(TBFL)是一种利用测试覆盖信息进行错误定位的智能方法。该方法需要运行大量的测试用例收集信息,冗余大,且当计算方法对测试用例敏感时定位效果不佳。在前人研究的基础上,本文针对主流方法存在的局限性,提出了将FCM聚类算法运用到程序执行路径的处理上。该方法首先利用LOUPE工具收集所有测试用例的程序执行状态信息trace文件；然后使用MATLAB解析trace文件并用多值向量表示程序执行路径；在FLOC通用框架的基础上,利用聚类算法组织程序执行路径信息,使用FCM算法把大量相同或相似的执行路径覆盖信息划分为少量典型的执行路径覆盖信息,将聚类后的执行路径作为程序错误定位的数据集；最后利用差异对比的方法或结合现有的差异计算方法进行错误定位。本文用引入FCM聚类算法的错误定位方法对Siemens套件进行了大量实验,并与Tarantula、SOBER、SBI算法进行了对比。实验表明,利用该方法可以减小对测试用例的敏感度,使用少量的测试用例可以达到大量测试用例相同的定位效果,减少了路径冗余,提高了定位效果。(本文来源于《大连海事大学》期刊2013-05-01）
张春娜,李轶然[6]（2013）在《基于路径聚类的页面访问次序的挖掘》一文中研究指出为了发现用户的行为模式以实现Web站点的结构优化,提出了基于用户访问路径的K-PathSearch算法。在对网页实施预处理后,结合页面链接参数,建立用户访问事务处理模型,形成有用数据集。提取样本分析用户的兴趣度,主要影响因素体现在访问次序、次数以及停留时间叁方面,并利用重新定义的相似度将兴趣取向相类似的用户划分为一类;在此基础上,定义用户访问最长拟合路径,进而计算路径聚类中心。经计算,聚类数和聚类中心平均长度增比显着,表明模型和算法是可行和有效的。(本文来源于《计算机工程与设计》期刊2013年01期）
王霞,赵龙,夏秀峰[7]（2012）在《基于位置近邻的RFID路径聚类算法》一文中研究指出随着物联网技术的广泛应用,每天有大量RFID数据产生,如何从海量的位置数据信息中提取知识亟待解决。为了解决这一问题,考虑采用路径聚类的方法。为了确定路径之间的近邻关系,提出一种RFID位置模型LM(Location Model),利用该模型分析位置之间的相互联系,并提出一种RFID路径相似度计算算法,在此基础之上进行了路径聚类。经实验对比结果表明,基于位置近邻的RFID路径聚类算法可以更好的聚集相似路径,同时具有较低的时间复杂度和较高的准确率。(本文来源于《沈阳航空航天大学学报》期刊2012年02期）
张颖琛[8]（2011）在《空间路径聚类算法的建模与研究》一文中研究指出空间数据挖掘(Spatial Data Mining)是近年来发展起来的具有广泛应用前景的数据挖掘技术。根据美国国家航空航天局的统计,有80%以上的数据与地理位置有关,而其中的空间网络活动在许多应用领域中扮演着重要的角色,例如：灾难响应、状态评估以及犯罪行为分析等方面。在灾难响应中,对空间网络活动的总结可以在自然灾害发生后被用来提供救援帮助。因此本文提出空间路径聚类算法,其主要研究内容包括：在研究空间数据挖掘和基于划分方法的聚类分析的基础上提出了一种新颖的聚类算法,称为k-主路径(K-Main Routes, KMR)算法,该算法采用基于路径的方式来寻找分布着许多簇活动点的空间网络中的主路径。其中,定义了簇活动的兴趣度,它是基于一种被称为事件活动的新型兴趣度度量方法,它被用来记录在空间网路中每条最短路径上的事件数,并分析了其合理性；同时给出了路径聚类算法的建模,并分析模型的正确性、完整性和复杂性。在此基础上给出一个详尽的研究实例和实验结果及分析。根据空间网络的时间连续性特点,引入了时间粒度这样一个概念,并使用真实数据在MapStudio实验平台下做出了实验结果,并分析其有效性。(本文来源于《华东理工大学》期刊2011-12-02）
汤欣妍[9]（2011）在《移动对象路径聚类和异常路径检测算法研究》一文中研究指出随着计算机术、数据获取技术和存储技术的快速发展，在短时间内，各种大量的资料被收集，需要从大规模的数据库中抽取有潜在使用价值的、隐含的、非平凡的、未知的信息，因而产生了数据挖掘技术。随着大量移动对象路径数据如车辆位置数据、轮船运动路径数据、台风路径数据以及动物移动数据等被收集，需要发现这些隐藏在路径数据中的模式以便进行规划设计、分类研究等，还需要发现隐藏在这些数据中的异常信息以便及时防范。因此，本文将数据挖掘中的聚类分析和孤立点挖掘技术应用于移动对象的路径分析中，提出了两种算法分别用于路径聚类和异常路径检测。本文首先分析了移动对象的路径特点，讨论了几种路径的表示方式与划分方法。再对划分后的子路径使用最长公共子序列来度量它们之间的相似性，得到子路径之间的相似度矩阵。在聚类分析方面，分析了DBSCAN（Density Based Spatial Clustering of Applicationswith Noise）算法，并指出其应用于移动对象路径聚类时的局限性，提出了基于对称邻域的快速路径聚类算法（the Fast Path Clustering Algorithm based on SymmetricNeighborhood, FPCSN）。FPCSN算法引入了密度因子的概念。通过查询子路径的k邻域和反向k邻域得到子路径的密度因子，再对子路径进行聚类，并对邻域的查询操作进行优化。该算法能够从大的、稀疏的数据集中识别出小、的稠密的数据集，实现了多密度数据集的快速聚类，并降低了查询时间提高了算法效率。在异常路径检测方面，分析了LOF（Local Outlier Factor）算法，针对该算法应用于移动对象异常路径检测时的局限性，提出了基于平均相似度的异常路径检测算法（theDetection Algorithm of Abnormal Path based on the Average Similarity, APAS）。APAS算法通过单个子路径相似度与平均相似度的比较，初步去除非孤立子路径，得到候选孤立子路径集。减少了子路径的查找次数，提高了效率。另外，本算法还应用了对称邻域的概念，使得该算法能够识别多密度的路径集中的异常子路径，提高识别的准确率。最后，本文开发了移动对象路径检测系统，将FPCSN和APAS算法应用到该系统中，使得该系统能够用于对移动对象路径进行聚类分析和异常路径检测。实验表明，FPCSN算法和APAS算法分别能够对移动对象的路径数据进行聚类和异常路径检测，检测结果具有较好的质量，并在算法性能方面有了一定的提高。(本文来源于《华南理工大学》期刊2011-06-01）
吕春燕[10]（2011）在《用于程序错误定位的运行路径聚类方法》一文中研究指出目前软件在人们的日常生活中用途很多,在几乎所有的领域都能看到软件的身影,软件故障会导致严重的后果。为排除软件故障,软件调试是软件开发过程中一项既复杂又耗时的工作。程序故障定位,又称程序错误定位,有利于降低软件调试的工作成本,其目标在于自动地、快速准确地定位程序中出现的错误。近年来,关于程序错误定位技术的研究工作有很多,其中基于测试的错误定位技术(TBFL)是一种利用测试覆盖信息进行错误定位统计智能方法。我们将TBFL技术分成两大类：基于差异度量的方法和基于特征统计的方法。Wang算法是基于差异度量的方法中的一种典型技术,它计算失效运行和成功运行之间的差异,将最小差异看成错误的源头。然而考虑到程序错误的千差万别和错误的不确定性,诊断程序错误还需要进一步的改进。本文提出一种基于测试用例聚类的错误定位框架,它用聚类扩展了原有的TBFL技术。为此我们对Wang算法中所提差异的概念进行扩展,引入“谓词”的概念,在此基础上,我们提出了一种新的差异计算方法,该算法利用PBCS谱进行计算差异。同时我们提出了谓词“适应度”的概念,构造观察矩阵计算谓词的适应度,利用谓词适应度大小选择有价值的谓词,加快错误定位的速度。为解决路径冗余问题,我们利用数据挖掘领域中的聚类技术对程序运行路径进行简单的聚类处理,以路径类的形式代替单条路径进行差异计算。我们利用Siemens套件进行了实验,实验结果表明,我们的方法在定位效果和效率上均优于Wang算法和NN模型,而与其他5种技术的对比结果表明我们的方法有较好的定位效果。(本文来源于《大连海事大学》期刊2011-05-01）
路径聚类论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
基于路径分析的代码缺陷定位所使用的方法通常分为两类:基于路径轨迹相似性分析的方法和基于路径元素信息统计的方法。通过理论分析以及实际环境中的应用,发现两类方法有以下不足:冗余路径的存在降低了整体定位效率;源代码一般包含了大量对定位没有意义的谓词和语句,对这些无意义元素的统计不仅耗时耗力,而且会影响定位效率和精度。因此,提出基于路径聚类分析的模糊聚类算法Pbtc。实验结果表明,该方法在一定程度上能够提高代码缺陷定位的效率和精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
路径聚类论文参考文献
[1].王有鸿.基于遗传算法的生鲜农产品物流配送路径聚类优化[J].江苏农业科学.2018
[2].黄小红.基于路径聚类分析的代码缺陷定位研究[J].软件导刊.2017
[3].张国平,黄淼,马丽,赵桂钦.路径聚类融合USTU的自适应多通道生物特征识别研究[J].计算机应用研究.2015
[4].王平.基于网格环境下医疗信息服务运作——患者访问医疗服务信息资源兴趣的路径聚类研究[J].中国农村卫生事业管理.2014
[5].姚艳玲.基于执行路径聚类的程序错误定位方法研究[D].大连海事大学.2013
[6].张春娜,李轶然.基于路径聚类的页面访问次序的挖掘[J].计算机工程与设计.2013
[7].王霞,赵龙,夏秀峰.基于位置近邻的RFID路径聚类算法[J].沈阳航空航天大学学报.2012
[8].张颖琛.空间路径聚类算法的建模与研究[D].华东理工大学.2011
[9].汤欣妍.移动对象路径聚类和异常路径检测算法研究[D].华南理工大学.2011
[10].吕春燕.用于程序错误定位的运行路径聚类方法[D].大连海事大学.2011