基于K密度和变维粒子群的聚类算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-13页 |
| ·本文工作 | 第13-14页 |
| ·论文结构 | 第14-16页 |
| 第二章 聚类分析综述 | 第16-28页 |
| ·聚类分析概念 | 第16-18页 |
| ·数据预处理技术 | 第18-22页 |
| ·数据结构与近邻测度 | 第18-20页 |
| ·聚类准则函数 | 第20-22页 |
| ·主要聚类算法 | 第22-25页 |
| ·划分聚类算法 | 第23-24页 |
| ·层次聚类算法 | 第24页 |
| ·基于密度的聚类算法 | 第24-25页 |
| ·群智能聚类算法 | 第25页 |
| ·粒子群聚类算法 | 第25-26页 |
| ·本章小结 | 第26-28页 |
| 第三章 K密度聚类中心选取算法设计 | 第28-46页 |
| ·基于密度的聚类算法 | 第28-31页 |
| ·DBSCAN 算法 | 第28-30页 |
| ·k邻域局部密度聚类算法 | 第30-31页 |
| ·K 密度聚类算法改进 | 第31-38页 |
| ·基于参考点的近邻测度 | 第31-32页 |
| ·可变 k 域的设计 | 第32-33页 |
| ·核心对象选取方法改进 | 第33-36页 |
| ·聚类中心选取方法设计 | 第36-38页 |
| ·算法流程 | 第38-39页 |
| ·实验与结果分析 | 第39-43页 |
| ·本章小结 | 第43-46页 |
| 第四章 K-MPSO聚类算法设计 | 第46-62页 |
| ·粒子群聚类算法研究 | 第46-49页 |
| ·PSO 聚类算法 | 第46-48页 |
| ·PSO 聚类算法的缺陷 | 第48-49页 |
| ·变维粒子群聚类算法设计 | 第49-56页 |
| ·粒子编码及种群初始化 | 第49-50页 |
| ·维度更新策略设计 | 第50-53页 |
| ·粒子变异策略设计 | 第53-56页 |
| ·K-MPSO 算法描述 | 第56页 |
| ·实验与结果分析 | 第56-61页 |
| ·本章小结 | 第61-62页 |
| 第五章 结束语 | 第62-66页 |
| ·总结 | 第62-63页 |
| ·展望 | 第63-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 研究成果 | 第72-73页 |
