融合蚁堆聚类与模糊C-均值聚类的算法研究和分析
| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·数据挖掘技术国内外现状 | 第12页 |
| ·蚁群聚类算法研究现状 | 第12-13页 |
| ·混合聚类研究现状 | 第13-14页 |
| ·本文研究目标及主要内容 | 第14-15页 |
| 第二章 数据挖掘 | 第15-24页 |
| ·数据挖掘概述 | 第15页 |
| ·数据挖掘功能 | 第15-18页 |
| ·类/概念描述：特征化和区分 | 第15-16页 |
| ·挖掘频繁模式、关联和相关 | 第16页 |
| ·分类和预测 | 第16-17页 |
| ·聚类分析 | 第17页 |
| ·离群点分析 | 第17-18页 |
| ·聚类分析 | 第18-20页 |
| ·概述 | 第18-19页 |
| ·主要聚类方法分类 | 第19-20页 |
| ·聚类分析的主要方法 | 第20-23页 |
| ·划分方法 | 第20-21页 |
| ·层次方法 | 第21-22页 |
| ·基于密度方法 | 第22页 |
| ·基于网格的方法 | 第22页 |
| ·基于模型的聚类方法 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 蚁群聚类算法的基本原理 | 第24-39页 |
| ·蚁群算法概述 | 第24页 |
| ·蚁群算法的系统学特征 | 第24-26页 |
| ·蚁群算法是一个系统 | 第24-25页 |
| ·分布性 | 第25页 |
| ·自组织 | 第25-26页 |
| ·正反馈 | 第26页 |
| ·蚁群聚类 | 第26-33页 |
| ·蚂蚁构造蚂蚁树行为 | 第27-28页 |
| ·蚂蚁化学识别行为 | 第28-30页 |
| ·蚂蚁觅食行为 | 第30-31页 |
| ·蚂蚁囤积蚁堆行为 | 第31-32页 |
| ·蚂蚁分群而居行为 | 第32-33页 |
| ·基于蚁堆形成原理的蚁群算法 | 第33-38页 |
| ·蚁堆聚类原理 | 第33-34页 |
| ·人工蚂蚁模型 | 第34页 |
| ·相似度密度计算 | 第34-35页 |
| ·LF算法 | 第35-38页 |
| ·蚁群聚类与混合聚类 | 第38页 |
| ·小结 | 第38-39页 |
| 第四章 结合蚁堆聚类和FCM的混合聚类算法 | 第39-50页 |
| ·模糊C-均值聚类 | 第39-41页 |
| ·蚁堆聚类算法改进 | 第41-43页 |
| ·人工蚂蚁爬下速度的设置 | 第41-42页 |
| ·数据对象所在位置的记录 | 第42页 |
| ·人工蚂蚁负载对象卸载位置的确定 | 第42-43页 |
| ·结合蚁堆聚类算法和FCM聚类的新算法 | 第43-46页 |
| ·新算法的思想概要 | 第44页 |
| ·新算法的具体步骤 | 第44-45页 |
| ·混合聚类算法的流程图 | 第45-46页 |
| ·仿真实验 | 第46-49页 |
| ·小结 | 第49-50页 |
| 第五章 总结 | 第50-52页 |
| 参考文献 | 第52-58页 |
| 附录 | 第58-59页 |
| Appendix | 第59-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表的学术论文目录 | 第61页 |
