动态小生境遗传算法的改进及其在聚类分析中的应用研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 遗传算法的研究现状 | 第10-11页 |
| 1.2.1 国内外研究现状 | 第10-11页 |
| 1.2.2 存在的问题 | 第11页 |
| 1.3 本文的主要研究内容及创新点 | 第11-13页 |
| 1.3.1 主要研究思路 | 第11-12页 |
| 1.3.2 主要研究内容 | 第12页 |
| 1.3.3 本文创新之处 | 第12-13页 |
| 1.4 本文的组织结构 | 第13-14页 |
| 第2章 小生境遗传算法的研究 | 第14-31页 |
| 2.1 引言 | 第14页 |
| 2.2 传统遗传算法 | 第14-21页 |
| 2.2.1 遗传算法的基本术语 | 第14-15页 |
| 2.2.2 遗传算法的基本要素 | 第15页 |
| 2.2.3 遗传算法的实现技术 | 第15-19页 |
| 2.2.4 遗传算法的流程与控制参数选择 | 第19-20页 |
| 2.2.5 遗传算法的特点及缺陷 | 第20-21页 |
| 2.3 小生境技术 | 第21-23页 |
| 2.3.1 小生境技术的引入 | 第21-22页 |
| 2.3.2 小生境技术的实现 | 第22-23页 |
| 2.4 几种常见的小生境遗传算法 | 第23-29页 |
| 2.4.1 适应值共享遗传算法 | 第24-27页 |
| 2.4.2 拥挤遗传算法 | 第27-28页 |
| 2.4.3 隔离小生境遗传算法 | 第28-29页 |
| 2.5 小生境遗传算法的特点和不足 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第3章 改进的小生境遗传算法 | 第31-45页 |
| 3.1 小生境技术的基本思想 | 第31页 |
| 3.2 小生境技术的改进思路 | 第31-32页 |
| 3.3 改进算法的步骤和流程 | 第32-37页 |
| 3.3.1 动态识别小生境 | 第33-34页 |
| 3.3.2 多样化小生境半径方案 | 第34-37页 |
| 3.3.3 带有多样化半径技术的小生境实现方法 | 第37页 |
| 3.3.4 调整初始半径 | 第37页 |
| 3.4 改进算法的实验验证 | 第37-44页 |
| 3.4.1 相关算法的简要介绍 | 第38-40页 |
| 3.4.2 算法的评价标准 | 第40页 |
| 3.4.3 标准函数的描述及控制参数的设置 | 第40-43页 |
| 3.4.4 实验结果及分析 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第4章 改进的小生境遗传算法在聚类分析中的应用 | 第45-54页 |
| 4.1 聚类分析的基础知识 | 第45-46页 |
| 4.1.1 聚类的定义 | 第45-46页 |
| 4.1.2 相似度度量 | 第46页 |
| 4.2 聚类算法的简要介绍 | 第46-48页 |
| 4.3 改进的小生境遗传算法求解聚类分析问题 | 第48-51页 |
| 4.3.1 染色体编码和种群初始化 | 第48页 |
| 4.3.2 适应度函数 | 第48-50页 |
| 4.3.3 遗传算子 | 第50页 |
| 4.3.4 算法流程 | 第50-51页 |
| 4.4 实验结果及分析 | 第51-53页 |
| 4.4.1 测试数据集的描述 | 第51-52页 |
| 4.4.2 测试结果分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5查总结与展望 | 第54-55页 |
| 5.1 结论 | 第54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间参加的科研项目和成果 | 第59页 |
