改进粒子群优化算法在投影寻踪聚类中的应用研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-17页 |
| ·课题的研究背景和意义 | 第9-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·数据挖掘 | 第11-12页 |
| ·聚类分析 | 第12-13页 |
| ·粒子群优化算法 | 第13-14页 |
| ·当前研究中存在的问题(PSO的局限) | 第14-15页 |
| ·研究目标和研究内容,拟解决的关键问题 | 第15页 |
| ·论文的特色和创新之处 | 第15页 |
| ·论文的章节安排 | 第15-17页 |
| 第2章 聚类分析 | 第17-27页 |
| ·聚类基本原理 | 第17-20页 |
| ·聚类及判断聚类好坏的标准 | 第17-19页 |
| ·聚类分析及其数学模型 | 第19-20页 |
| ·相似性度量方法 | 第20-22页 |
| ·距离公式 | 第20-21页 |
| ·相似系数 | 第21-22页 |
| ·聚类算法介绍 | 第22-25页 |
| ·小结 | 第25-27页 |
| 第3章 群体智能优化算法概述 | 第27-37页 |
| ·遗传算法 | 第27-29页 |
| ·遗传算法的基本思想 | 第27-28页 |
| ·遗传算法的步骤 | 第28-29页 |
| ·基本粒子群优化算法(PSO) | 第29-31页 |
| ·改进粒子群优化算法 | 第31-35页 |
| ·量子粒子群优化算法 | 第31-33页 |
| ·混沌粒子群优化算法 | 第33-35页 |
| ·小结 | 第35-37页 |
| 第4章 基于智能优化算法的K均值聚类 | 第37-45页 |
| ·K均值聚类算法 | 第37-38页 |
| ·K均值算法工作原理 | 第37-38页 |
| ·K均值聚类算法的数学描述 | 第38页 |
| ·K均值聚类算法的编码和适应度函数选择 | 第38-39页 |
| ·基于智能优化算法的K均值聚类 | 第39-43页 |
| ·基于PSO的K均值聚类算法的描述 | 第39-40页 |
| ·基于QPSO的K均值聚类算法的描述 | 第40-41页 |
| ·基于CPSO的K均值聚类算法描述 | 第41-42页 |
| ·基于遗传算法的K均值聚类算法描述 | 第42-43页 |
| ·仿真结果及结论 | 第43-44页 |
| ·小结 | 第44-45页 |
| 第5章 基于智能优化的投影寻踪聚类 | 第45-61页 |
| ·投影寻踪的发展及研究内容 | 第45-47页 |
| ·投影寻踪聚类分析 | 第46页 |
| ·投影寻踪回归 | 第46页 |
| ·投影寻踪学习网络 | 第46-47页 |
| ·投影寻踪模型 | 第47-48页 |
| ·线性投影 | 第47页 |
| ·投影指标 | 第47-48页 |
| ·最佳投影方向 | 第48页 |
| ·投影寻踪聚类模型 | 第48-50页 |
| ·投影寻踪聚类方法的基本思想 | 第48页 |
| ·投影寻踪聚类方法的模型 | 第48-50页 |
| ·基于智能优化算法的投影寻踪聚类模型 | 第50-51页 |
| ·基本投影寻踪聚类模型的仿真结果及结论 | 第51-54页 |
| ·投影寻踪数学模型的改进 | 第54-56页 |
| ·投影指标函数的改进 | 第54-55页 |
| ·优化投影指标函数 | 第55-56页 |
| ·基于改进模型聚类的仿真结果 | 第56-59页 |
| ·小结 | 第59-61页 |
| 第6章 总结及展望 | 第61-65页 |
| ·工作总结 | 第61-62页 |
| ·未来展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 攻读硕士学位期间的研究成果 | 第71页 |
| 一.已发表论文 | 第71页 |
| 二.科研项目 | 第71页 |
