基于群智能SOM算法的特征造型搜索技术.pdfVIP

Computer Engineering and Applications 计算机工程与应用 2011 ，47 （13） 1 ⦾博士论坛⦾ 基于群智能SOM 算法的特征造型搜索技术 李 峰，孙立镌 LI Feng ，SUN Lijuan 哈尔滨理工大学 计算机科学与技术学院，哈尔滨 150080 Computer Science Technology College ，Harbin University of Science and Technology ，Harbin 150080，China LI Feng ，SUN Lijuan.Searching technology for feature module based on self-organizing clustering.Computer Engineer- ing and Applications ，2011 ，47 （13）：1-3. 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 infor- mation is converted to vector represented.Then ant colony is used as the rule of self-organizing ，and particle swarm optimiza- tion algorithm is used to calculate the next position.Finally ，the objects are clustered and the result is collected by a recur- sive 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 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 DOI ：10.3778/j.issn. 1002-8331.2011.13.001 文章编号：1002-8331（2011 ）13-0001-03 文献标识码：A 中图分类号：TP391 1 引言 为了解决聚类局部化问题，以WEBSOM[5] 为代表的自组 分布式计算、并行计算、网络存储技术等技术的显著发展 织特征映射（Self-Organizing Maps ，SOM）方法被提出，但是 不但引发了云计算的狂潮，更为协同设计提供了很好的可行 SOM 算法常常需要多层聚类，即在上一次聚类结果的基础上 方案和硬件基础。然而，随着特征造型的复杂程度不断加大， 再对较大的类进行SOM 聚类，检索效率依然不够理想。 数量不断递增，在海量的语义特征造型树中准确快速地对特 本文将群智能算法应用于自组织特征映射当中，在匹配 征造型进行检索成为了影响协同设计整体效率的重要问题。 系数选取合适的情况下，一次聚类便可以优于SOM 的多层聚 为此，在文档聚类的启发下，提出了特征语义聚类的概念特征 类，该方法以蚁巢算法模