蚁群聚类算法的若干改进策略的研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8-11页 |
| ·本文工作 | 第11-13页 |
| ·主要工作与创新点 | 第11页 |
| ·文章结构 | 第11-13页 |
| 第二章 蚁群聚类算法相关技术 | 第13-24页 |
| ·蚁群算法与聚类相关概念 | 第13-21页 |
| ·蚁群算法 | 第13-16页 |
| ·聚类算法 | 第16-21页 |
| ·经典的蚁群聚类算法 | 第21-23页 |
| ·蚁群聚类算法概述 | 第21页 |
| ·LF算法 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 一种属性带权的自适应蚁群聚类算法 | 第24-40页 |
| ·引言 | 第24页 |
| ·相关工作 | 第24-29页 |
| ·基本的A4C算法 | 第24-27页 |
| ·特征加权 | 第27-28页 |
| ·主成分分析 | 第28-29页 |
| ·特征加权的蚁群聚类算法 | 第29-32页 |
| ·引入PCA思想构造属性权重 | 第29-30页 |
| ·初始化策略 | 第30-31页 |
| ·蚂蚁视野变化策略 | 第31页 |
| ·适应值函数 | 第31-32页 |
| ·IA~4C算法 | 第32页 |
| ·实验结果及分析 | 第32-38页 |
| ·本章小结 | 第38-40页 |
| 第四章 基于核方法的蚁群聚类算法的研究与实现 | 第40-57页 |
| ·引言 | 第40页 |
| ·相关工作 | 第40-42页 |
| ·核 | 第40-42页 |
| ·一种基于高斯核的蚁群聚类算法 | 第42-47页 |
| ·高斯核的引入 | 第42-43页 |
| ·初始化策略 | 第43-45页 |
| ·适应值函数的定义 | 第45-46页 |
| ·KA~4C算法 | 第46-47页 |
| ·实验结果分析 | 第47-56页 |
| ·实验数据集介绍 | 第47-48页 |
| ·实验结果与分析 | 第48-56页 |
| ·本章小结 | 第56-57页 |
| 总结与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-64页 |
| 个人简历 | 第64-65页 |
| 在学期间研究成果及发表的学术论文 | 第65页 |
